Hauptinhalt

English translation

Nichtparametrische Statistik
(engl. Nonparametric Statistics)

Niveaustufe, VerpflichtungsgradVertiefungsmodul, Wahlpflichtmodul
Lehr- und Lernformen,
Arbeitsaufwand
Vorlesung (3 SWS), Übung (1 SWS),
180 Stunden (60 Std. Präsenzzeit, 120 Std. Selbststudium)
Leistungspunkte,
Voraussetzungen zum Erwerb
6 LP
Studienleistung: Erreichen von mindestens 50 Prozent der Punkte aus den wöchentlich zu bearbeitenden Übungsaufgaben.
Prüfungsleistung: Klausur oder mündliche Prüfung
Sprache,
Benotung
Deutsch oder Englisch,
Die Benotung erfolgt mit 0 bis 15 Punkten gemäß der Prüfungsordnung für den Studiengang M.Sc. Wirtschaftsmathematik.
Exportfach, UrsprungMathematik, M.Sc. Wirtschaftsmathematik / Mathematische Vertiefungs- und Praxismodule
Dauer des Moduls,
Häufigkeit
Ein Semester,
Regelmäßig im Wechsel mit anderen Vertiefungsmodulen
Modulverantwortliche(r)Prof. Dr. Markus Bibinger, Prof. Dr. Hajo Holzmann

Inhalt

  • Nichtparametrische Dichteschätzung, Kernschätzer, Projektionsschätzer, obere Schranken für punktweises, gleichmäßiges und integriertes Risiko
  • Untere Schranken und optimale Raten
  • Lepski-Schema und Adaptivität
  • Nichtparametrische Regression, lokale Polynomschätzer
  • Modell im weißen Rauschen, Pinkser-Schätzung und Pinsker Konstante
  • Wavelet Schätzer

Qualifikationsziele

Die Studierenden sollen

  • einen Einblick in ein aktuelles Forschungsgebiet der nichtparametrischen Statistik bekommen,
  • die grundlegenden Techniken innerhalb des Teilgebietes der nichtparametrischen Statistik erwerben,
  • mathematische Arbeitsweisen einüben (Entwickeln von mathematischer Intuition und deren formaler Begründung, Schulung des Abstraktionsvermögens, Beweisführung),
  • in den Übungen ihre mündliche Kommunikationsfähigkeit durch Einüben der freien Rede vor einem Publikum und bei der Diskussion verbessern.

Voraussetzungen

Keine. Empfohlen werden die Kompetenzen, die in den Basismodulen und im Vertiefungsmodul Mathematische Statistik vermittelt werden.


Literatur

  • Tsybakov, A. (2009) Introduction to nonparametric estimation. Springer
  • Johnstone, I. (2013) Gaussian estimation: Sequence and wavelet models.



Bitte beachten Sie:

Diese Seite beschreibt ein Modul gemäß dem im Wintersemester 2018/19 aktuellsten gültigen Modulhandbuch. Die meisten für ein Modul gültigen Regeln werden nicht durch die Prüfungsordnung festgelegt, und können daher von Semester zu Semester aktualisiert werden. Folgende Versionen liegen im Online-Modulhandbuch vor:

Das Modulhandbuch enthält alle Module, unabhängig vom aktuellen Veranstaltungsangebot, vergleichen Sie dazu bitte das aktuelle Vorlesungsverzeichnis in Marvin.

Die Angaben im Online-Modulhandbuch wurden automatisch erstellt. Rechtsverbindlich sind die Angaben der Prüfungsordnung. Wenn Ihnen Unstimmigkeiten oder Fehler auffallen, sind wir für Hinweise dankbar.