Universität Wien

300491 UE Zeitreihenanalysen mit modernen statistischen Methoden (2023W)

1.00 ECTS (1.00 SWS), SPL 30 - Biologie
Prüfungsimmanente Lehrveranstaltung
VOR-ORT

An/Abmeldung

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

Details

max. 10 Teilnehmer*innen
Sprache: Deutsch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

Dienstag 10.10. 16:45 - 20:00 Seminarraum 1.3, Biologie Djerassiplatz 1, 1.005, Ebene 1
Dienstag 17.10. 16:45 - 20:00 Seminarraum 1.3, Biologie Djerassiplatz 1, 1.005, Ebene 1
Dienstag 24.10. 16:45 - 20:00 Seminarraum 1.3, Biologie Djerassiplatz 1, 1.005, Ebene 1
Dienstag 31.10. 16:45 - 20:00 Seminarraum 1.3, Biologie Djerassiplatz 1, 1.005, Ebene 1
Dienstag 07.11. 16:45 - 20:00 Seminarraum 1.3, Biologie Djerassiplatz 1, 1.005, Ebene 1
Dienstag 14.11. 16:45 - 20:00 Seminarraum 1.3, Biologie Djerassiplatz 1, 1.005, Ebene 1
Dienstag 21.11. 16:45 - 20:00 Seminarraum 1.3, Biologie Djerassiplatz 1, 1.005, Ebene 1
Dienstag 28.11. 16:45 - 20:00 Seminarraum 1.3, Biologie Djerassiplatz 1, 1.005, Ebene 1
Dienstag 05.12. 16:45 - 20:00 Seminarraum 1.3, Biologie Djerassiplatz 1, 1.005, Ebene 1
Dienstag 12.12. 16:45 - 20:00 Seminarraum 1.3, Biologie Djerassiplatz 1, 1.005, Ebene 1
Dienstag 09.01. 16:45 - 20:00 Seminarraum 1.3, Biologie Djerassiplatz 1, 1.005, Ebene 1
Dienstag 16.01. 16:45 - 20:00 Seminarraum 1.3, Biologie Djerassiplatz 1, 1.005, Ebene 1
Dienstag 23.01. 16:45 - 20:00 Seminarraum 1.3, Biologie Djerassiplatz 1, 1.005, Ebene 1
Dienstag 30.01. 16:45 - 20:00 Seminarraum 1.3, Biologie Djerassiplatz 1, 1.005, Ebene 1

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Diese Vorlesungsreihe kann man als ungewöhnlich betrachten.
Die Themen (weiter unten) werden vorgestellt, basierend auf die zugrundeliegende Theorie. Folglich werden die Interaktionen durch die Studierenden so ablaufen: Nachdem die Therie eines Themenkomplexes erläutert wurde, werden die Teilnehmenmden aufgefordert, die gestellten Fragen mithilfe der Theorie zu beantworten. Ein Beispiel: gegeben sei ein Datensatz und die Studierenden sollen Rechtfertigungen finden, warum die Bayesianische Statistik anzuwenden sei, oder warum nicht. Ein weiteres Beispiel: gegeben sie eine univariate Zeitreihe. Die Teilnehmenden werden gefragt, welche Glättungsalgorithmen welche Vor- und Nachteile, angewandt auf diesen Datensatz, haben.
Fehlschlüsse: (a) Signifikanz vs. Signifikanztests; (b) Abbildung of kategorischer Variablen auf ganze Zahlen; (c) Korrelation vs. Regression; (d) Standardfehler des Mittelwertes.
Vergleich von Datensätzen: (a) Mittelwertvergleiche; (b) maximum likelihood Methoden (Wilks lambda); (c) Verwechslungsmatrizen.
Glättung: (a) Fensterglättung (Mittelwertgl., Mediangl., ...); (b) Laplaceglättung; (c) SWZ (Singulärwertzerlegung) für multivariate Daten; (d) kumulative Glättung.
Dimensionsreduktion: (a) "Fluch der Dimensionalität"; (b) (künstliche) neuronale Netze; (c) Clustering.
Regressionsmodelle: (a) Regression (oLSq and GLM) mit Polynomen; (b) AICc (Akaike's Information Criterion inkl. Takeuchi's Korrektur für kleine Datensätze); (c) Sigmoid-, Fehlerfunktions-, and Arcustangensregression; (d) allgemeine orthogonale Basisfunktionen (Fourierreihen).
Bayesian vs. Frequentist Statistik: (a) Bayes Theorem; (b) bedingte Likelihoodfunktionen; (c) Likelihood und Wahrscheinlichkeit.

Art der Leistungskontrolle und erlaubte Hilfsmittel

1. Periodische Fragebögen
2. Diskussionsbeiträge (siehe oben)

Mindestanforderungen und Beurteilungsmaßstab

1. Antwortqualität der Fragebbögen
2. Qualität der Diskussionsbeiträge

ad 1 (Fragebögen): 70%
ad 2 (Diskussionsbeiträge) 30%

positive Beurteilung ab 60%

Prüfungsstoff

1. Durch die Übungsbeispiele vorgetragener Stoff; genauere Beschreibung isehe oben

Literatur

Stichworte in WIKIPEDIA
Vorlesungsunterlagen

Zuordnung im Vorlesungsverzeichnis

MAN 3

Letzte Änderung: So 24.09.2023 20:28