mat310 - Statistics I - Introduction to Applied Statistics (Course overview) - Campusmanagementsystem Stud.IP

mat310 - Statistics I - Introduction to Applied Statistics (Course overview)

Department of Mathematics

6 KP

Module components

Semester courses Wintersemester 2022/2023

Examination

Lecture

5.01.311 - Vorlesung Statistik 1: Einführung in die Angewandte Statistik
- Prof. Dr. Peter Ruckdeschel
- Oke Wübbenhorst
Monday: 10:15 - 11:45, weekly (from 17/10/22), Location: W01 0-015
Thursday: 10:15 - 11:45, fortnightly (from 20/10/22), Location: W01 0-015
Dates on Friday, 21.10.2022 16:15 - 17:45, Monday, 13.02.2023 15:00 - 17:00, Wednesday, 15.02.2023 11:00 - 13:00, Tuesday, 21.02.2023 11:00 - 12:00, Tuesday, 21.02.2023 15:00 - 16:00, Wednesday, 12.04.2023 10:30 - 13:00, Location: W01 0-015, W01 0-011, W03 1-161 (+2 more)

Exercises

5.01.312-ü1 - Übung-1 Statistik 1: Einführung in die Angewandte Statistik
- Prof. Dr. Peter Ruckdeschel
- Oke Wübbenhorst
Thursday: 10:15 - 11:45, fortnightly (from 27/10/22), Location: W01 0-015
Dates on Thursday, 09.02.2023 16:00 - 18:00, Location: W01 0-011
5.01.312-ü2 - Übung-2 Statistik 1: Einführung in die Angewandte Statistik
- Prof. Dr. Peter Ruckdeschel
- Oke Wübbenhorst
Friday: 14:15 - 15:45, weekly (from 21/10/22)

Hinweise zum Modul

Prüfungszeiten	nach Ende der Vorlesungszeit
Module examination	KL
Skills to be acquired in this module	Exemplarisches Kennenlernen weiterer mathematischer Gebiete und damit Erweiterung des eigenen mathematischen Wissens Kennenlernen von Anwendungen Fähigkeit, vorhandene Software zu verstehen, einzubinden und anzuwenden Vertiefung, auch exemplarisch, der im Grundlagenbereich erworbenen Kenntnisse Erwerb direkt berufsbezogener inhaltlicher und prozessorientierter Kompetenzen Erweiterung des mathematischen Wissens, vor allem aus der Stochastik Vertiefung der im Grundlagenbereich erworbenen Kenntnisse zur Analysis und Linearen Algebra Kennenlernen von Anwendungen der Statistik, auch mit umfangreichen Datenbeispielen Fähigkeit, vorhandene Statistiksoftware und Anwendungspakete zu verstehen, einzubinden und anzuwenden Vertrautheit mit grundlegenden statistischen Kenngrößen Erwerb von Methoden zur professionellen explorativen Datenanalyse mathematikspezifische Aspekte von Digitalisierung Fragen digitaler Darstellung von mathematischen Begriffen ("symbolisches Rechnen" mit statistischen Modellen) und Verfahren, z.B. LASSO-Verfahren in der Regression mathematiknahe Programmierung in R Strategien für ein explizites Mitführen/Kontrollieren von Fehlern/Unsicherheit Fragen der Codierung (Umgang mit kategoriellen Prädiktoren und Interaktionseffekten) stochastische Simulation