mat827 - Aktuarielle Statistik (Vollständige Modulbeschreibung)
Modulbezeichnung | Aktuarielle Statistik |
Modulkürzel | mat827 |
Kreditpunkte | 6.0 KP |
Workload | 180 h |
Einrichtungsverzeichnis | Institut für Mathematik |
Verwendbarkeit des Moduls |
|
Zuständige Personen |
|
Teilnahmevoraussetzungen | |
Kompetenzziele |
|
Modulinhalte |
Die Vorlesung ist dabei anhand der Use-Cases gegliedert, anhand derer die Abschnitte 1-4 abgehandelt werden. Die Vorlesung ersetzt nicht die Grundvorlesungen im Hinblick auf Abschnitt 3 und die Spezialvorlesungen zu Thematiken aus Abschnitt 4; für vertiefende konzeptionelle Auseinandersetzung mit Themen aus Abschnitt 2 wird auf Vorlesungen in der Informatik verwiesen, für eine breite Einführung in R auf das statistische Praktikum und den dort enthaltenen R-Kurs. In der vorliegenden Veranstaltung werden entsprechende Konzepte aus Abschnitten 1-4 übernommen, in sich abgeschlossen dargestellt, umfangreichere Beweise aber in die anderen Vorlesungen und Veranstaltungen delegiert. Ein Schwerpunkt dieser Veranstaltung ist die rechnergestützte Anwendung der Konzepte. |
Literaturempfehlungen | Charpentier, A. (Ed.). (2014). Computational actuarial science with R. CRC press. Denuit, M., Hainaut, D., Trufin, J. (2019). Effective Statistical Learning Methods for Actuaries I : GLMs and Extensions. Springer. Denuit, M., Hainaut, D., Trufin, J. (2020). Effective Statistical Learning Methods for Actuaries II : Tree-Based Methods and Extensions. Springer. Denuit, M., Hainaut, D., Trufin, J. (2019). Effective Statistical Learning Methods for Actuaries I : Neural Networks and Extensions. Springer. Embrechts, P., Klüppelberg, C., Mikosch, T. (2003) Modelling Extremal Events: For Insurance and Finance. Corr. 4. Print. ed. 1997. Springer. Frees, E.E., Derring, R.A., Meyers, G. (eds.)(2014) Predictive Modeling Applications in Actuarial Science. Volume 1: Predictive Modeling Techniques. Cambridge University Press. Meyers, G., Derring, R.A. (eds.) (2016) Predictive Modeling Applications in Actuarial Science. Volume 2: Case Studies in Insurance. Cambridge University Press. Seehafer, M., Nörtemann, S., Offtermatt, J., Transchel, F., Kiermaier, A., Külheim, R. & Weidner, W. (2021). Actuarial Data Science. In Actuarial Data Science. De Gruyter. |
Links | |
Unterrichtsprachen | Deutsch, Englisch |
Dauer in Semestern | 1 Semester |
Angebotsrhythmus Modul | planmäßig alle 3 Jahre (im Wechsel mit den LVs Finanzstatistik, Robuste Statistik, Extremwertstatistik, Multivariate Statistik, Zeitreihenanalyse) |
Aufnahmekapazität Modul | unbegrenzt |
Hinweise | Studienschwerpunkt: C |
Modulart | Wahlpflicht / Elective |
Modullevel | MM (Mastermodul / Master module) |
Lehr-/Lernform | Vorlesung + Übung |
Vorkenntnisse | Statistik I, Einführung in die Versicherungsmathematik |
Lehrveranstaltungsform | Kommentar | SWS | Angebotsrhythmus | Workload Präsenz |
---|---|---|---|---|
Vorlesung | 3 | SoSe oder WiSe | 0 | |
Übung | 1 | SoSe oder WiSe | 0 | |
Präsenzzeit Modul insgesamt | 0 h |
Prüfung | Prüfungszeiten | Prüfungsform |
---|---|---|
Gesamtmodul | nach Ende der Vorlesungszeit |
Klausur oder mündliche Prüfung oder Fachpraktische Übung (KMÜ) |