Statistik - Einzelansicht

Die Veranstaltung beginnt am Di, 19. April. Für die erste Woche gibt es auf der zugehörigen Moodle-Seite Materialen zum Selbststudium. Die erste Vorlesung in Präsenz findet am Mittwoch, den 27. April um 08:15 Uhr im HS 2.28.0.108 statt. Auch dafür gibt es vorab am Dienstag Material fürs Selbststudium.

Das erste Übung findet am Fr, den 22. April von 12:15 - 13:45 Uhr (ausnahmsweise) online statt. Den Zoom-Link finden Sie, wie alle anderen Infos auf der Moodle-Seite zur Vorlesung (s.u.).

Die Hauptreferenzen sind Henze "Stochastik: Eine Einführung mit Grundzügen der Maßtheorie", Springer (als eBook verfügbar) sowie Casella & Berger "Statistical Inference", Brooks/Cole (es gibt diverse Exemplare in der Bib zum Ausleihen). Weitere Literatur wird über die Moodle-Vorlesungsseite bekannt gegeben.

Es gibt eine Moodle-Seite zur Vorlesung (-->LINK), für die Sie sich bitte anmelden (pw: Bayes1763). Alle weiteren Informationen (PDFs des Folien, Slidecasts, Übungszettel etc) werden über die Moodle-Seite kommuniziert.

BSc Mathematk: Erfolgreiches Bestehen der Klausur (180 min) ist der Leistungsnachweis dieses Moduls. Eine notwendige Voraussetzung für die Zulassung zur Klausur ist das erfolgreiche Bestehen und Verbuchen der Prüfungsnebenleistung (PNL), konkret >= 50% der Summe der Punkte auf allen Übungszetteln.

MEd Mathematik: Mündliche Prüfung (30min) ist der Leistungsnachweis dieses Moduls. Eine notwendige Voraussetzung für die Zulassung zur Klausur ist das erfolgreiche Bestehen und Verbuchen der Prüfungsnebenleistung (PNL), konkret >= 50% der Summe der Punkte auf allen Übungszetteln.

In beiden Fällenwichtig: Damit wir die PNL verbuchen können, müssen Sie sich zur Übung anmelden (dafür gibt es Fristen)! Erst nach bestandener PNL können Sie sich dann zur Klausur anmelden. Keine Ausnahme!

Es werden grundlegende Problemstellungen der statistischen Inferenz behandelt. Zentral ist dabei die Aneignung statistischer Denk- und Schlussweisen. Wir behandeln die Themenblöcke: deskriptive Statistik; statistische Modellbildung; allgemeine Prinzipien des Schätzens und Testens; lineare Regression.

BSc Mathematik-Studierende (Aufbaumodul Statistik; --> Modulbeschreibung); MEd Mathematik-Studierende (Vertiefungsmodul Wahrscheinlichkeitstheorie und Statistik; --> Modulbeschreibung).