Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 

Foto: Matthias Friel

Modul: Statistical Data Analysis


Das hier aufgeführte Modul basiert auf in den Amtlichen Bekanntmachungen der Universität Potsdam veröffentlichten Studien- und Prüfungsordnungen.
Verbindliche Regelungswirkung haben nur die veröffentlichten Ordnungen.


MATVMD837: Statistical Data Analysis Anzahl der Leistungspunkte (LP):
9 LP
Modulart (Pflicht- oder Wahlpflichtmodul): Abhängig vom Studiengang (siehe unten)
Inhalte und Qualifikationsziele des Moduls:

Inhalte
Im Mittelpunkt dieses Moduls steht die statistische Studie und quantitative Analyse der Abhängigkeit zwischen beobachteten zufälligen Größen (beispielsweise Ausbeute/Einstellungsgrößen Produktion; Lebensdauer/Behandlungsart und Verletzungsart). Wesentliche Grundlagen für die statistische Behandlung derartiger Zusammenhänge liefert das lineare Regressionsmodell, das im ersten Teil der Vorlesung ausführlich studiert wird. In diesem Rahmen werden die Fragestellungen des Schätzers, Testens, und der Unsicherheitsquantifizierung (Varianzanalyse) behandelt. Im zweiten Teil wird eine Einleitung zu fortgeschrittenen Methoden und Ansätzen zur Untersuchung von Beziehungen angeboten. Dazu gehören nichtlineare und nichtparametrische Regressionsmodelle. Darüber hinaus werden Fragen der Klassifikation und Dimensionsreduktion behandelt.

 

Qualifikationsziele
Studierende verfügen über ein umfassendes, detailliertes und spezialisiertes Verständnis des linearen Regressionsmodells auf dem neuesten Erkenntnisstand. Sie haben sich elementare Begriffe und Methoden der nichtparametrischen Statistik angeeignet. Sie können auch komplexe statistische Datenanalyseprobleme lösen, können alternative Modellierungsansätze abwägen und nach unterschiedlichen Maßstäben bewerten. Sie können Funktionen von statistischen Software-Paketen zu diesem Zweck verwenden.

 

Akademische Kompetenzen
Arbeitsorganisation: Selbstorganisation, Planungskompetenz: Identifizieren von Arbeitsschritten. Analysetechniken: Wissenschaftliche Denk- und Arbeitsweise (Erarbeiten von Lösungen zu komplexen Fragestellungen), Methodendiskussion, Verifizieren von Hypothesen, Anwendung mathematischer Methoden, Umgang mit statistischen Methoden, Umgang mit Software-Paketen.

 

Modul(teil)prüfungen (Anzahl, Form, Umfang, Arbeitsaufwand in LP):

Eine Prüfung der folgenden Formen:

Klausur, 120-180 Minuten

Mündliche Prüfung, 30 Minuten

Selbstlernzeit (in Zeitstunden (h)): 180

Veranstaltungen
(Lehrformen)
Kontaktzeit
(in SWS)
Prüfungsnebenleistungen
(Anzahl, Form, Umfang)
Lehrveranstaltungsbegleitende Modul(teil)prüfung
(Anzahl, Form, Umfang)
Für den Abschluss des Moduls Für die Zulassung zur Modulprüfung
Vertiefende Vorlesung im Bereich Statistische Datenanalyse und Übung (Vorlesung und Übung) 6 -

Erfolgreiche Bearbeitung der Übungsaufgaben und Präsentation eigener Lösungen (70%)

-

Häufigkeit des Angebots:

WiSe

Voraussetzung für die Teilnahme am Modul: keine
Anbietende Lehreinheit: Mathematik
Zuordnung zu Studiengängen Modulart
Master of Science Computational Science WiSe 2013/14 Wahlpflichtmodul
Master of Science Computational Science WiSe 2019/20 Wahlpflichtmodul
Master of Science Data Science WiSe 2018/19 Pflichtmodul
Master of Science Mathematics WiSe 2019/20 Wahlpflichtmodul
Master of Science Mathematik WiSe 2015/16 Wahlpflichtmodul
Master of Science Wirtschaftsinformatik und Digitale Transformation WiSe 2017/18 Wahlpflichtmodul