mat837 - Extremwertstatistik und Anwendungen (Veranstaltungsübersicht)

mat837 - Extremwertstatistik und Anwendungen (Veranstaltungsübersicht)

Institut für Mathematik 6 KP
Modulteile Semesterveranstaltungen Sommersemester 2022 Prüfungsleistung
Vorlesung
  • Kein Zugang 5.01.837 - Vorlesung Extremwertstatistik Lehrende anzeigen
    • Prof. Dr. Peter Ruckdeschel

    Montag: 10:15 - 11:45, wöchentlich (ab 25.04.2022)
    Dienstag: 08:15 - 09:45, zweiwöchentlich (ab 19.04.2022)
    Inhalte: – Maxima: GEVD und Eigenschaften, Fisher-Tippet-Gnedenko-Thm / Attraktionsbereiche, BlockMaxima – Schwellüberschreitungen: GPD und Eigenschaften; Pickands-Balkema-deHaan Thm; Hill Schätzer – Punktprozesse: der Poissonprozess; Verbindung zur Exponentialvtlg; Relevanz in EVT – Diagnostik: Mean-Excess Plot, Return Level Plot, Extremal-Index
Übung
Hinweise zum Modul
Hinweise
Studienschwerpunkt: C
Prüfungszeiten
nach Ende der Vorlesungszeit
Prüfungsleistung Modul
Klausur oder mündliche Prüfung oder Fachpraktische Übung (KMÜ)
Kompetenzziele
  • Systematische Vertiefung und Erweiterung der im Bachelorstudium erlangten Kenntnisse und Fähigkeiten zur Mathematik
  • Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen den verschiedenen Bereichen der Mathematik
  • Kennenlernen ganzer Theorien und damit verbundene Beherrschung komplexer mathematischer Methoden und Techniken
  • 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
  • Die Studierenden lernen die Grenzwertsätze der Extremwertstatistik und die dazu gehörigen statistischen Verfahren kennen und können diese in realen Datensituationen anwenden.
  • Querverbindungen: mat315, mat826, mat843, mat805 (bzw. Versicherungsmathematik I im neuen System)
                                    
mathematikspezifische Aspekte von Digitalisierung
  • mathematiknahe Programmierung in R
  • Strategien für ein explizites Mitführen/Kontrollieren von Fehlern/Unsicherheit
  • stochastische Simulation