Universität Wien

280511 VU PM-FnNawi Statistische Methoden der Astronomie (PI) (2017W)

6.00 ECTS (3.00 SWS), SPL 28 - Erdwissenschaften, Meteorologie - Geophysik und
Prüfungsimmanente Lehrveranstaltung
Moodle

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Details

max. 25 Teilnehmer*innen
Sprache: Englisch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

  • Mittwoch 11.10. 13:15 - 14:45 Seminarraum 1 Astronomie Sternwarte, Türkenschanzstraße 17
  • Mittwoch 18.10. 13:15 - 14:45 Seminarraum 1 Astronomie Sternwarte, Türkenschanzstraße 17
  • Mittwoch 25.10. 13:15 - 14:45 Seminarraum 1 Astronomie Sternwarte, Türkenschanzstraße 17
  • Mittwoch 08.11. 13:15 - 14:45 Seminarraum 1 Astronomie Sternwarte, Türkenschanzstraße 17
  • Mittwoch 15.11. 13:15 - 14:45 Seminarraum 1 Astronomie Sternwarte, Türkenschanzstraße 17
  • Mittwoch 22.11. 13:15 - 14:45 Seminarraum 1 Astronomie Sternwarte, Türkenschanzstraße 17
  • Mittwoch 29.11. 13:15 - 14:45 Seminarraum 1 Astronomie Sternwarte, Türkenschanzstraße 17
  • Mittwoch 06.12. 13:15 - 14:45 Seminarraum 1 Astronomie Sternwarte, Türkenschanzstraße 17
  • Mittwoch 13.12. 13:15 - 14:45 Seminarraum 1 Astronomie Sternwarte, Türkenschanzstraße 17
  • Mittwoch 10.01. 13:15 - 14:45 Seminarraum 1 Astronomie Sternwarte, Türkenschanzstraße 17
  • Mittwoch 17.01. 13:15 - 14:45 Seminarraum 1 Astronomie Sternwarte, Türkenschanzstraße 17
  • Mittwoch 24.01. 13:15 - 14:45 Seminarraum 1 Astronomie Sternwarte, Türkenschanzstraße 17
  • Mittwoch 31.01. 13:15 - 14:45 Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Die LV bietet einen einführenden Überblick über statistische Methoden, die in der astronomischen Forschung von Bedeutung sind: - Grundlagen der Wahrscheinlichkeitstheorie - frequentistische vs. Bayes'sche Statistik - Parameterschätzung, robuste Methoden - lineare und nichtlineare Regression, Modellanpassung, Modellselektion - Dichteschätzung - Clustering und Klassifikation - Zeitreihenanalyse. Praktische Anwendungsbeispiele werden in R durchgeführt (Softwareumgebung für statistische Analysen; Vorkenntnisse sind nicht erforderlich).

Art der Leistungskontrolle und erlaubte Hilfsmittel

Teilnahme an der Vorlesung - Lösung von Übungsaufgaben - Klausur am Ende des Semesters

Mindestanforderungen und Beurteilungsmaßstab

Prüfungsstoff

Literatur

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Mo 07.09.2020 15:42