Hauptinhalt
Dieser Eintrag ist aus dem Wintersemester 2018/19 und möglicherweise veraltet. Es konnte kein aktuelles Äquivalent gefunden werden.
Nichtparametrische Statistik
(engl. Nonparametric Statistics)
Niveaustufe, Verpflichtungsgrad | Vertiefungsmodul, 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(en): 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. |
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.
Verwendbarkeit
Importmodul aus dem M.Sc. Wirtschaftsmathematik.
Es kann im FB12 verwendet werden im Studiengang bzw. in den Studiengängen
- B.Sc. Mathematik
- B.Sc. Wirtschaftsmathematik
- M.Sc. Data Science
- M.Sc. Informatik
- M.Sc. Mathematik
- M.Sc. Wirtschaftsmathematik
Im Studiengang M.Sc. Data Science kann das Modul im Studienbereich Mathematik Aufbau- und Vertiefungsmodule absolviert werden.
Die Wahlmöglichkeit des Moduls ist dadurch beschränkt, dass es dem Schwerpunkt Analytics zugeordnet ist.
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:
- WiSe 2016/17
- SoSe 2018
- WiSe 2018/19
- WiSe 2019/20
- WiSe 2020/21
- SoSe 2021
- WiSe 2021/22
- WiSe 2022/23
- WiSe 2023/24 (kein Äquivalent)
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.