Forcasting - Interactive curriculae of TU Ilmenau

The interactive curriculae provide information on the degree programmes offered by the TU Ilmenau.

Please refer to the respective study and examination rules and regulations for the legally binding curricula (Annex Curriculum).

You can find all details on planned lectures and classes in the course catalogue.

Please note that this page is no longer updated. All modules and study plans from PO version 2021 onwards (Bachelor and Master study programs) are now available on the Campus Portal.

module properties Forcasting in degree program Master Medienwirtschaft 2018 ATTENTION: not offered anymore
module number	6284
examination number	2500065
department	Department of Economic Sciences and Media
ID of group	2532 (Quantitative Methods in Economics)
module leader	Prof. Dr. Udo Bankhofer
term	winter term only
language	Deutsch
credit points	4
on-campus program (h)	34
self-study (h)	86
obligation	elective module
exam	written examination performance, 90 minutes
details of the certificate
link to Moodle course	https://moodle.tu-ilmenau.de/enrol/index.php?id=610
teacher
signup details for alternative examinations
maximum number of participants
previous knowledge and experience	Statistik 1 und 2
learning outcome	Die Studierenden kennen die wichtigsten Prognosetechniken und können diese in Bezug auf ihre Anwendungsmöglichkeiten einordnen. Sie sind in der Lage, die Güte getroffener Vorhersagen anhand objektiver Kriterien zu bewerten. Die Lehrveranstaltung vermittelt Fach- und Methodenkompetenz vorrangig für Entwicklungs- und Wirkungsprognosen. Die Studierenden sind mit multivariaten Prognoseverfahren so weit vertraut, um entsprechende Modelle verstehen und praktisch anwenden zu können. Sie beherrschen die Zerlegung gegebener Zeitreihen in Komponenten und deren Extrapolation in die Zukunft. Die Studierenden können lineare Modelle an stationäre Zeitreihen anpassen und damit kurzfristige Vorhersagen erstellen.
content	1. Einführung und Überblick 2. Multivariate Prognoseverfahren Regressionsanalyse Diskriminanzanalyse Entscheidungsbäume 3. Komponentenmodelle Grundmodell und Varianten Schätzung der Komponenten Modellbeurteilung 4. Lineare Zeitreihenmodelle Autoregressive Modelle MA-Modelle ARMA-Modelle ARIMA-Modelle
media of instruction and technical requirements for education and examination in case of online participation	Interaktives Tafelbild, Overhead-Projektionen, Moodle: https://moodle.tu-ilmenau.de/enrol/index.php?id=610
literature / references	Jeweils in der aktuellen Auflage: Bankhofer, U.; Vogel, J.: Datenanalyse und Statistik, Gabler, Wiesbaden Fahrmeir, L.; Hamerle, A.; Tutz, G.: Multivariate statistische Verfahren, de Gruyter, Berlin Hansmann, K.-W.: Kurzlehrbuch Prognoseverfahren, Gabler, Wiesbaden Makridakis, S.; Wheelwright, S.; Hyndman, R.: Forecasting, Wiley, New York Merstens, P.; Rässler, S. (Hrsg.): Prognoserechnung, Physica, Heidelberg Rinne, H.; Specht, K.: Zeitreihen – Statistische Modellierung, Schätzung und Prognose, Vahlen, München Schlittgen, R.: Angewandte Zeitreihenanalyse, Oldenbourg, München, Wien Schlittgen, R.; Streitberg, B.: Zeitreihenanalyse, Oldenbourg, München, Wien
evaluation of teaching