mat837 - Extremwertstatistik und Anwendungen

Institut für Mathematik		6 KP
Modulteile	Semesterveranstaltungen Wintersemester 2018/2019	Prüfungsleistung
Vorlesung	5.01.837a - Vorlesung Extremwertstatistik und Anwendungen Prof. Dr. Peter Ruckdeschel Dienstag: 16:00 - 18:00, wöchentlich (ab 16.10.2018) Mittwoch: 10:00 - 12:00, zweiwöchentlich (ab 14.11.2018) Termine am Donnerstag, 15.11.2018, Donnerstag, 24.01.2019 14:00 - 16:00 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	5.01.837b - Übung Extremwertstatistik und Anwendungen Prof. Dr. Peter Ruckdeschel Mittwoch: 10:00 - 12:00, zweiwöchentlich (ab 07.11.2018)
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