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

040772 UK Komplexe statistische Methoden (2020W)

4.00 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. 17 Teilnehmer*innen
Sprache: Englisch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

  • Mittwoch 07.10. 15:00 - 16:30 Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
  • Mittwoch 14.10. 15:00 - 16:30 Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
  • Mittwoch 21.10. 15:00 - 16:30 Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
  • Mittwoch 28.10. 15:00 - 16:30 Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
  • Mittwoch 04.11. 15:00 - 16:30 Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
  • Mittwoch 11.11. 15:00 - 16:30 Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
  • Mittwoch 18.11. 15:00 - 16:30 Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
  • Mittwoch 25.11. 15:00 - 16:30 Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
  • Mittwoch 02.12. 15:00 - 16:30 Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
  • Mittwoch 09.12. 15:00 - 16:30 Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
  • Mittwoch 16.12. 15:00 - 16:30 Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
  • Mittwoch 13.01. 15:00 - 16:30 Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
  • Mittwoch 20.01. 15:00 - 16:30 Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
  • Dienstag 26.01. 18:30 - 20:00 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.Stock

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Ziele:
Vermittlung von Konzepten der Kerndichteschätzung und nicht-parametrischen Regression: Methodologie und Anwendungen.
Befähigung zur Implementierung der Methoden in statistischer Software.

Inhalte:
1. Histograms and kernel density estimators
2. Local polynomial estimators
3. Spline estimators

Methoden:
Vorlesung kombiniert mit Übung.
Vorlesungsskript und Daten werden zur Verfügung gestellt.
Studierende müssen in statistischer Software programmieren.

Art der Leistungskontrolle und erlaubte Hilfsmittel

Es gibt eine mündliche Prüfung und drei Programmieraufgaben zu jedem Thema, die in Präsenz zu lösen sind.

Mindestanforderungen und Beurteilungsmaßstab

Die Note ermittelt sich nach folgender Gewichtung:
25% mündliche Prüfung
25% jede Programmieraufgabe

Prüfungsstoff

Inhalte der behandelten Themen

Literatur

Tsybakov. A. (2009) Introduction to nonparametric estimation
Fan, J. and Gijbels, I. (1996) Local polynomial modelling and its applications.
Randall L. Eubank. (1999) Nonparametric regression and spline smoothing.

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Mo 28.09.2020 15:27