Technische Universität Ilmenau

Statistische Analyseverfahren - Interaktive Studienpläne der TU Ilmenau

Die Interaktiven Studienpläne sind ein Informationsangebot zu den Studiengängen der TU Ilmenau.

Die rechtsverbindlichen Studienpläne entnehmen Sie bitte den jeweiligen Studien- und Prüfungsordnungen (Anlage Studienplan).

Alle Angaben zu geplanten Lehrveranstaltungen finden Sie im elektronischen Vorlesungsverzeichnis.

Bitte beachten Sie, dass auf dieser Seite keine Aktualisierungen mehr vorgenommen werden. Alle Module und Studienpläne ab der PO-Version 2021 (Bachelor- und Master-Studiengänge) sind ab sofort im Campus-Portal erreichbar.

Modulinformationen zu Statistische Analyseverfahren im Studiengang Bachelor Mathematik 2013
Modulnummer1821
Prüfungsnummer2400335
FakultätFakultät für Mathematik und Naturwissenschaften
Fachgebietsnummer 241B (Stochastik)
Modulverantwortliche(r)Prof. Dr. Thomas Hotz
TurnusSommersemester
SpracheDeutsch
Leistungspunkte4
Präsenzstudium (h)34
Selbststudium (h)86
VerpflichtungWahlmodul
Abschlussmündliche Prüfungsleistung, 30 Minuten
Details zum Abschluss
Link zum Moodle-Kurs
Lehrende
Anmeldemodalitäten für alternative PL oder SL
max. Teilnehmerzahl
Vorkenntnisse

Analysis und Lineare Algebra, Wahrscheinlichkeitsrechnung, Mathematische Statistik

Lernergebnisse und erworbene Kompetenzen

Die Studierenden sind in der Lage, erhobene Daten im Rahmen eines geeigneten statistischen Modells, insbesondere desjenigen der linearen Regresseion, zu analysieren und die Qualität dieser Modellierung kritisch zu prüfen.

Inhalt

Lineares Modell, Kleinste-Quadrate-Schätzer, Inferenz im Gaußschen linearen Modell, Asymptotik, Abweichungen von den Modellannahmen, Residuenanalyse, Modellwahl, optimale Versuchsplanung, Studienplanung und -protokoll, zufällige und gemischte Effekte, verallgemeinerte lineare Modelle

Medienformen und technische Anforderungen bei Lehr- und Abschlussleistungen in elektronischer Form

Tafel, Skript, Aufgaben, Software

Literatur

Rao, C. R., Toutenburg, H., Shalabh and Heumann, C. (2008). Linear Models and Generalizations – Least Squares and Alternatives, Springer series in statistics, 3rd edn, Springer, Berlin.
Sengupta, D. and Jammalamadaka, S. R. (2003). Linear Models – An Integrated Approach, number 6 in Series on Multivariate Analysis, World Scientific Publishing Co. Pte. Ltd., Singapore.
Weisberg, S. (1980). Applied Linear Regression, John Wiley & Sons, New York.

Lehrevaluation