Universität Wien
Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.

040721 UK Ausgewählte Kapitel der Statistik (MA) (2024W)

3.00 ECTS (2.00 SWS), SPL 4 - Wirtschaftswissenschaften
Prüfungsimmanente Lehrveranstaltung
Moodle

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Details

max. 30 Teilnehmer*innen
Sprache: Englisch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

  • Dienstag 01.10. 15:00 - 16:30 Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 08.10. 15:00 - 16:30 Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 15.10. 15:00 - 16:30 Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 22.10. 15:00 - 16:30 Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 29.10. 15:00 - 16:30 Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 05.11. 15:00 - 16:30 Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 12.11. 15:00 - 16:30 Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 19.11. 15:00 - 16:30 Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 26.11. 15:00 - 16:30 Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 03.12. 15:00 - 16:30 Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 10.12. 15:00 - 16:30 Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 07.01. 15:00 - 16:30 Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 14.01. 15:00 - 16:30 Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 21.01. 15:00 - 16:30 Hörsaal 10 Oskar-Morgenstern-Platz 1 2.Stock

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Aims:
Get acquainted with concepts of Bayesian statistics: theoretical foundations, methodology and applications.
Learn how to implement computer-based procedures.

Contents:
1. Decision Theory (admissibility and optimality, Bayes and minimax decisions)
2. Bayesian Estimation (Bayes formula, Bayes estimators, hierarchical and empirical Bayes methods)
3. Markov Chain Monte Carlo Methods (Slice Sampler, Gibbs Sampler, Metropolis-Hastings, monitoring convergence, credible intervals)

Methods:
Lecture with exercise sessions.
Lecture notes, exercise sheets and data will be available online.
Students are supposed to code in statistical software.

Art der Leistungskontrolle und erlaubte Hilfsmittel

There is a written exam on theoretical topics 1 and 2 on 12.11.2024, as well as three exercise sheets with a programming part on topic 3 (provided on 26.11.2024, 10.12.2024, 14.01.2025). The exercise sheets should be submitted in a week and will be discussed in the exercise session.

The use of AI tools (e.g. ChatGPT) for the production of texts is only permitted if they are expressly requested by the course leader (e.g. for individual work tasks).

Mindestanforderungen und Beurteilungsmaßstab

40 points for the written exam on topics 1 and 2
20 each exercise sheet

The grade results according to the scheme: 4 from 50 points, 3 from 63 points, 2 from 75 points, and 1 from 87 points.

Prüfungsstoff

All topics covered in the lecture.

Literatur

Shao, J. (2003): Mathematical Statistics.
Robert, C. P. And Casella, G. (2004): Monte Carlo Statistical Methods.
Hoff, P. D. (2010): A First Course in Bayesian Statistical Methods.

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Di 24.09.2024 11:05