250009 VO Statistik und Data Science (2024S)
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
Details
Sprache: Deutsch
Prüfungstermine
Lehrende
- Philipp Grohs
- Tolunay Yilmaz (TutorIn)
Termine (iCal) - nächster Termin ist mit N markiert
- Montag 04.03. 11:30 - 13:00 Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Stock
- Mittwoch 06.03. 13:15 - 14:45 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 11.03. 11:30 - 13:00 Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Stock
- Mittwoch 13.03. 13:15 - 14:45 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 18.03. 11:30 - 13:00 Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Stock
- Mittwoch 20.03. 13:15 - 14:45 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 08.04. 11:30 - 13:00 Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Stock
- Mittwoch 10.04. 13:15 - 14:45 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 15.04. 11:30 - 13:00 Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Stock
- Mittwoch 17.04. 13:15 - 14:45 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 22.04. 11:30 - 13:00 Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Stock
- Mittwoch 24.04. 13:15 - 14:45 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 29.04. 11:30 - 13:00 Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Stock
- Montag 06.05. 11:30 - 13:00 Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Stock
- Mittwoch 08.05. 13:15 - 14:45 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 13.05. 11:30 - 13:00 Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Stock
- Mittwoch 15.05. 13:15 - 14:45 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Mittwoch 22.05. 13:15 - 14:45 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 27.05. 11:30 - 13:00 Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Stock
- Mittwoch 29.05. 13:15 - 14:45 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 03.06. 11:30 - 13:00 Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Stock
- Mittwoch 05.06. 13:15 - 14:45 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 10.06. 11:30 - 13:00 Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Stock
- Mittwoch 12.06. 13:15 - 14:45 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 17.06. 11:30 - 13:00 Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Stock
- Mittwoch 19.06. 13:15 - 14:45 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 24.06. 11:30 - 13:00 Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Stock
- Mittwoch 26.06. 13:15 - 14:45 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Art der Leistungskontrolle und erlaubte Hilfsmittel
Es dürfen keine zusätzlichen Hilfsmittel verwendet werden.
Mindestanforderungen und Beurteilungsmaßstab
Mindestanforderung: Kenntnis der Definitionen sowie der zentralen mathematischen Resultate
Prüfungsstoff
Sämtliche in der Vorlesung behandelten Resultate und Beweise sind Stoff der Prüfung.
Literatur
Der Statistik Teil folgt grundsätzlich dem Skript http://www.statslab.cam.ac.uk/~rrw1/stats/Sa4.pdfZusätzliches MaterialAsympotische Eigenschaften von MLE:
https://ocw.mit.edu/courses/18-443-statistics-for-applications-fall-2006/03b407da8a94b3fe22d987453807ca46_lecture3.pdf
https://www.stat.cmu.edu/~larry/=stat705/Lecture15.pdfRao Blackwell Theorem:
https://genome.sph.umich.edu/w/images/4/4f/Bios602-wi13-lec13-handout.pdfBedingte Erwartungen:
https://drive.google.com/drive/folders/1R-4UCTNilcy_DGqf0ySAsgDNt0YPv_aSZusätzliches Material/Videos:
https://drive.google.com/drive/folders/1dmxP9xGQ36qJU2YurRcC-Jzeij9hy_Cv
https://ocw.mit.edu/courses/18-443-statistics-for-applications-fall-2006/03b407da8a94b3fe22d987453807ca46_lecture3.pdf
https://www.stat.cmu.edu/~larry/=stat705/Lecture15.pdfRao Blackwell Theorem:
https://genome.sph.umich.edu/w/images/4/4f/Bios602-wi13-lec13-handout.pdfBedingte Erwartungen:
https://drive.google.com/drive/folders/1R-4UCTNilcy_DGqf0ySAsgDNt0YPv_aSZusätzliches Material/Videos:
https://drive.google.com/drive/folders/1dmxP9xGQ36qJU2YurRcC-Jzeij9hy_Cv
Zuordnung im Vorlesungsverzeichnis
SDS
Letzte Änderung: Mi 31.07.2024 12:06
Parameterschätzung, Konfidenzintervalle, Hypothesentests, multilineare
Regression, principal-component analysis, diskrete Fouriertransformation,
Filterung, Randomisierung, Graphen, Netzwerke und Clustering, sowie weitere
vertiefende Inhalte.