- Systematische Vertiefung und Erweiterung der im Bachelorstudium erlangten Kenntnisse und Fähigkeiten zur Mathematik
- Kennenlernen vertiefter Anwendungen der Mathematik, auch exemplarisch mit Projektcharakter
- Beherrschen wichtiger Verfahren und Algorithmen
- Fähigkeit zur Anwendung durch Implementierung konkreter Probleme und durch Beherrschung der gängigen Software
- Abgrenzung zwischen dem spezifischen Teil einer Theorie und dem allgemeinen mathematischen Standard erkennen

- Die Studierenden erweitern ihre Kenntnisse zur Regressionsmodellierung und können komplexe Datenstrukturen analysieren.

- Querverbindungen: mat830, Statistik II (Modul an Universität Bremen)

generalisierte lineare Modelle für Exponentialfamilien, multivariate generalisierte lineare Modelle, multinomiale Modelle, ordinale Modelle, sequentielle Modelle, Modelle mit zufälligen Effekten, semiparametrische Regression, Quantilregression

Fahrmeir, Kneib & Lang (2009): Regression - Modelle, Methoden und Anwendungen, Springer.
Fahrmeir & Tutz (2001): Multivariate Statistical Modelling Based on Generalized Linear Models, Springer.
Koenker (2005): Quantile Regression, Cambridge University Press.
Verbeke & Molenberghs (2009): Linear Mixed Models for Longitudinal Data, Springer.

Studienschwerpunkt: C

nach Ende der Vorlesungszeit

Klausur oder mündliche Prüfung oder Fachpraktische Übung (KMÜ)