Veranstalter

Dozent
Prof. Dr. Volker Schmidt

Übungsleiter
Dipl.-Math. David Neuhäuser

---

Zeit und Ort

Vorlesung
Montag, 10-12 Uhr in H14

Übung
Mittwoch, 12-14 Uhr in H14 (2 wöchig)

---

Umfang

2 Stunden Vorlesung + 1 Stunde Übung (4 Leistungspunkte)

---

Voraussetzungen

Elementare WR und Statistik, Stochastik I

---

Zielgruppe

Pflichtmodul für:
Bachelor Mathematische Biometrie

Wahlpflichtmodul für:
Bachelor/Master Mathematik, Bachelor/Master Wirtschaftsmathematik, Master Finance

---

Inhalt

Schwerpunkte der Vorlesung sind:

• multivariate Normalverteilung
• lineare und verallgemeinerte lineare Modelle
• Tests von Verteilungsannahmen
• Nichtparametrische Lokalisationstests

Eine aktuelle Version des Vorlesungsmanuskripts gibt es auf deutsch und auf englisch.

---

Vorleistungen

50 % der Übungspunkte (entspricht 93,5 Punkten). Zur Anrechnung der erzielten Übungspunkte ist eine Anmeldung mit SLC notwendig.

---

Übungen

Blatt 1

Blatt 2

Blatt 3

Blatt 4

Blatt 5

Blatt 6

Blatt 7

Blatt 8 

---

Klausur

Die Klausur findet am 5.3.13 von 14-16 Uhr im Hörsaal 22 statt. Es handelt sich um eine offene Klausur.
Die Nachklausur findet am 3.4.13 von 14-16 Uhr im Hörsaal 4/5 statt.

Bitte beachten: Bitte schnellstmöglich im Portal für die RICHTIGE Vorleistung (je nachdem, welche Klausur man schreiben will) anmelden.

Bachelor- und Masterstudenten, die 4 Credits benötigen, schreiben lediglich eine Klausur über den Stoff der Vorlesung.
Bachelor- und Masterstudenten, die 9 Credits benötigen, schreiben eine Klausur über den Stoff des gesamten Skripts "Stochastik III".

---

Literatur

 

• Büning, H., Trenkler, G. (1994)
  Nichtparametrische statistische Methoden
  de Gruyter, Berlin

• Cressie, N.A. (1993)
  Statistics for Spatial Data
  J. Wiley & Sons, New York

• Dobson, A.J. (2002)
  An Introduction to Generalized Linear Models
  Chapmen & Hall, Boca Raton

• Hastie, T., Tibshirani, R., Friedman, J. (2001)
  The Elements of Statistical Learning
  Springer, New York

• Koch, K.R. (1997)
  Parameterschätzung und Hypothesentests in linearen Modellen
  Dümmlers-Verlag, Bonn

• Lehmann, E.L. (1999)
  Elements of Large-Sample Theory
  Springer, New York

• Lehmann, E.L., Romano, E.J. (2005)
  Testing Statistical Hypotheses
  Springer-Verlag, New York

• Vapnik, V.N. (1998)
  Statistical Learning Theory
  J. Wiley & Sons, New York