mat847 - Elemente Explorativer Datenanalyse, Robuster Statistik und Diagnostik (Vollständige Modulbeschreibung)

mat847 - Elemente Explorativer Datenanalyse, Robuster Statistik und Diagnostik (Vollständige Modulbeschreibung)

Originalfassung Englisch PDF Download
Modulbezeichnung Elemente Explorativer Datenanalyse, Robuster Statistik und Diagnostik
Modulkürzel mat847
Kreditpunkte 6.0 KP
Workload 180 h
Einrichtungsverzeichnis Institut für Mathematik
Verwendbarkeit des Moduls
  • Master Mathematik (Master) > Mastermodule
  • Master Umweltmodellierung (Master) > Mastermodule
Zuständige Personen
  • Christiansen, Marcus (Modulverantwortung)
  • May, Angelika (Modulverantwortung)
  • Ruckdeschel, Peter (Modulverantwortung)
Teilnahmevoraussetzungen
Kompetenzziele
  • 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
  • Beherrschen der Analyse und Komplexität von Algorithmen
  • Erwerb direkt berufsbezogener inhaltlicher und prozessorientierter Kompetenzen
  • Die Studierenden lernen die zentralen Konzepte, Argumente und Verfahren der explorativen Datenanalyse und der robusten Statistik kennen und können diese in R anwenden.
  • Querverbindungen: mat315, mat330, mat350, mat525, mat530
                                   
mathematikspezifische Aspekte von Digitalisierung
  • mathematiknahe Programmierung in R
  • Strategien für ein explizites Mitführen/Kontrollieren von Fehlern/Unsicherheit
  • Strategien zum Umgang mit Ausreißern/Datenrobustheit
  • stochastische Simulation
Modulinhalte
als Obermenge zu verstehen; Akzentuierung durch Dozent möglich:
  • Konzepte der graphischen Datenanalyse
  • Konzepte der interaktiven Datenanalyse
  • Begriffe, Werkzeuge und Schlussweisen der robusten Statistik
  • Umgebungen, Influenzkurve, Maxbiaskurve, Gross Error Sensitivity
  • Bruchpunkt, Minimax-Ansätze, Robuste Optimalität
  • Beispiele robuster Verfahren für Lokation, Skala, Kovarianzen, Regression
  • auf robusten Verfahren basierende Diagnostik
Literaturempfehlungen
Hampel, F.M., Ronchetti, E.M., Rousseeuw, P.J., Stahel, W.A.: Robust Statistics: the approach based on influence functions, Wiley.
Huber, P.J.: Robust Statistics, Wiley. Rieder, H.: Robust Asymptotic Statistics, Springer.
Rousseeuw, P.J., Leroy A.M.: Robust regression and outlier detection, Wiley.
Tukey, J.W.: Exploratory Data Analysis 6.
Links
Unterrichtsprachen Deutsch, Englisch
Dauer in Semestern 1 Semester
Angebotsrhythmus Modul unregelmäßig
Aufnahmekapazität Modul unbegrenzt
Hinweise
Studienschwerpunkt: C
Modulart Wahlpflicht / Elective
Modullevel MM (Mastermodul / Master module)
Lehr-/Lernform Vorlesung + Übung
Vorkenntnisse Stochastik I, Statistik I
Lehrveranstaltungsform Kommentar SWS Angebotsrhythmus Workload Präsenz
Vorlesung 3 -- 42
Übung 1 -- 14
Präsenzzeit Modul insgesamt 56 h
Prüfung Prüfungszeiten Prüfungsform
Gesamtmodul
nach Ende der Vorlesungszeit
Klausur oder mündliche Prüfung oder Fachpraktische Übung (KMÜ)