Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.
051130 VO Einführende Statistik (2024W)
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
Details
Sprache: Deutsch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- N Montag 07.10. 18:30 - 21:00 Hörsaal 1, Währinger Straße 29 1.UG
- Montag 14.10. 18:30 - 21:00 Hörsaal 1, Währinger Straße 29 1.UG
- Montag 21.10. 18:30 - 21:00 Hörsaal 1, Währinger Straße 29 1.UG
- Montag 28.10. 18:30 - 21:00 Hörsaal 1, Währinger Straße 29 1.UG
- Montag 04.11. 18:30 - 21:00 Hörsaal 1, Währinger Straße 29 1.UG
- Montag 11.11. 18:30 - 21:00 Hörsaal 1, Währinger Straße 29 1.UG
- Montag 18.11. 18:30 - 21:00 Hörsaal 1, Währinger Straße 29 1.UG
- Montag 25.11. 18:30 - 21:00 Hörsaal 1, Währinger Straße 29 1.UG
- Montag 02.12. 18:30 - 21:00 Hörsaal 1, Währinger Straße 29 1.UG
- Montag 09.12. 18:30 - 21:00 Hörsaal 1, Währinger Straße 29 1.UG
- Montag 16.12. 18:30 - 21:00 Hörsaal 1, Währinger Straße 29 1.UG
- Montag 13.01. 18:30 - 21:00 Hörsaal 1, Währinger Straße 29 1.UG
- Montag 20.01. 18:30 - 21:00 Hörsaal 1, Währinger Straße 29 1.UG
- Montag 27.01. 18:30 - 21:00 Hörsaal 1, Währinger Straße 29 1.UG
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Die Studierenden verfügen über Fähigkeiten empirische Sachverhalte mittels statistischer Basistechniken zu beschreiben und graphisch korrekt zu repräsentieren; sowie über ein prinzipielles Verständnis für die grundlegenden Konzepte der Wahrscheinlichkeitstheorie und der inferenzstatistischen Modellierung und Methodik.Die Studierenden sind in der Lage inhaltliche Fragestellungen in statistische Modelle zu übersetzen und diese mittels adäquater Techniken der Inferenzstatistik korrekt zu beantworten. Dabei können Sie moderne Softwarewerkzeuge für Analytik und Visualisierung zur Beantwortung datenanalytischer Fragestellungen erfolgreich anwenden.
Art der Leistungskontrolle und erlaubte Hilfsmittel
Ausschließlich schriftliche Prüfung über den Vorlesungsstoff nach dem Prüfungsterminraster der SPL Informatik. Erster Termin am Ende der Lehrveranstaltung (Ende Jänner/Anfang Februar), 3 weitere Termine im folgenden Semester (März, Mai, Juni).Die Prüfung enthält Multiple-Choice Fragen, einfache Rechenaufgaben sowie Fragen zur Ergebnisinterpretation.Der Stoff umfasst alle Themen, die in der Vorlesung vorgetragen wurde.Bei der Prüfung darf jeder Teilnehmer ein selbst gestaltetes, handschriftliches A4-Blatt mit Formeln, Notizen etc. mitbringen. (Collagen, Leporellos u.ä. ist nicht erlaubt). Die Nutzung von darüber hinaus gehenden Unterlagen (Bücher, Skripten) ist bei der Prüfung nicht erlaubt.Taschenrechner dürfen bei der Prüfung verwendet werden. Untersagt ist aber die Verwendung von PDAs, Notebooks und ähnlichen elektronischen Geräten sowie die Nutzung von Smartphones.
Mindestanforderungen und Beurteilungsmaßstab
Mindestens 50% der erreichbaren Punkte
Prüfungsstoff
Deskriptive und Explorative Statistik
Darstellung von Verteilungen
Empirische Verteilungsfunktion und Quantile
Deskriptive Maßzahlen der Lage und Streuung
Weitere Maßzahlen (Schiefe, Wölbung)
Assoziation, Korrelation
Wahrscheinlichkeitsrechnung
Grundlagen der Wahrscheinlichkeitsrechnung
Ereignisalgebra, Grundaufgaben der Kombinatorik
Bedingte Wahrscheinlichkeit und Unabhängigkeit
Satz von der Totalen Wahrscheinlichkeit
Theorem von Bayes
Zufallsvariablen
Wichtige Diskrete Verteilungen
Wichtige Stetige Verteilungen
Ungleichung von Tschebyscheff
Gesetz der großen Zahlen
Zentraler Grenzwertsatz
Techniken der Inferenzstatistik
Punktschätzer
Intervallschätzer
Hypothesentesten
Klassische Tests bei Normalverteilung
Einfache Varianzanalyse
Test auf Unabhängigkeit
Überprüfung von Verteilungsannahmen
Nichtparametrische Testverfahren
Monte Carlo-Methoden
Monte Carlo-Integration
Wichtige Stichprobenahme
Kausalität
Rubins Potential Outcomes Framework
do{}-Operator
Kausale Bayesianische Netzwerke
Entropie
Shannon Entropie
Mutual Information
Stochastische Prozesse
Markov-Ketten
Ergodizität und Stationarität
Grenzverteilung
Darstellung von Verteilungen
Empirische Verteilungsfunktion und Quantile
Deskriptive Maßzahlen der Lage und Streuung
Weitere Maßzahlen (Schiefe, Wölbung)
Assoziation, Korrelation
Wahrscheinlichkeitsrechnung
Grundlagen der Wahrscheinlichkeitsrechnung
Ereignisalgebra, Grundaufgaben der Kombinatorik
Bedingte Wahrscheinlichkeit und Unabhängigkeit
Satz von der Totalen Wahrscheinlichkeit
Theorem von Bayes
Zufallsvariablen
Wichtige Diskrete Verteilungen
Wichtige Stetige Verteilungen
Ungleichung von Tschebyscheff
Gesetz der großen Zahlen
Zentraler Grenzwertsatz
Techniken der Inferenzstatistik
Punktschätzer
Intervallschätzer
Hypothesentesten
Klassische Tests bei Normalverteilung
Einfache Varianzanalyse
Test auf Unabhängigkeit
Überprüfung von Verteilungsannahmen
Nichtparametrische Testverfahren
Monte Carlo-Methoden
Monte Carlo-Integration
Wichtige Stichprobenahme
Kausalität
Rubins Potential Outcomes Framework
do{}-Operator
Kausale Bayesianische Netzwerke
Entropie
Shannon Entropie
Mutual Information
Stochastische Prozesse
Markov-Ketten
Ergodizität und Stationarität
Grenzverteilung
Literatur
* All of Statistics. Larry Wasserman, Springer, 2005.
* Statistical Data Analytics. W.Piegorsch, Wiley 2015.
* Statistik: Der Weg zur Datenanalyse. L. Fahrmeier, C. Heumann, R. Künstler, I. Pigeot, G. Tutz. Springer, 2016.
* Mathematics for Machine Learning, M.P. Deisenroth, A.A. Faisal, and C. Soon Ong. Cambridge University Press, 2020.
* Statistical Data Analytics. W.Piegorsch, Wiley 2015.
* Statistik: Der Weg zur Datenanalyse. L. Fahrmeier, C. Heumann, R. Künstler, I. Pigeot, G. Tutz. Springer, 2016.
* Mathematics for Machine Learning, M.P. Deisenroth, A.A. Faisal, and C. Soon Ong. Cambridge University Press, 2020.
Zuordnung im Vorlesungsverzeichnis
Module: DAS EST UF-INF-12
Letzte Änderung: Mi 04.09.2024 15:45