WS 25/26

Causality is central to much of empirical work in economics. After formally defining the concept of causality through potential outcomes and identification of causal effects, the course introduces several research designs in which identification of causal effects can be established. The course shows the formal identification arguments, discusses empirical examples, and practical aspects of implementation. Examples of research designs covered are matching, instrumental variables, differences-in-differences, and regression discontinuity designs.

Enrolment key: ci2526

Teacher: Walter J. Radermacher
In-Person Workshops: February 17, February 18, February 19, 10am-5pm each
Format: Self-learning through online videos and in-person workshops for practical appliance of use cases.

Registration period: October 1 - November 7, 2025.

Examination: Oral Exam (3 ECTS credits), 15 minutes slots

• Exam date: March 5^th, 2026, 9am – 5pm
• Catching-Up Exam (Nachholtermin): March 13, 2026, 9am – 5pm

Block Course- September 8th- 19th 2025

Entropy is defined as a measurable physical property that is most commonly associated with a state of disorder, randomness, or uncertainty. It is strongly connected with probability distributions and the principle of maximum entropy can be very useful in statistical inference, in particular in Bayes statistics. In this course, we will introduce the concept of entropy in the context of information theory as well as apply the concepts to real data sets.

Syllabus

1. Introduction and Preview
2. Entropy, Relative Entropy, and Mutual Information
3. Asymptotic Equipartition Property
4. Entropy Rates of a Stochastic Process
5. Differential Entropy
6. Information Theory and Statistics

Schedule:  The course will be held online in English.

Information Theory and Entropy for Master Statistics and Data Science, Master Data Science, Master Statistics, Master Biostatistics, Master Statistics WiSo.

Enrollment key: entropy

• The enrolment key is: "PCS2526"

Einschreibeschlüssel: dskrpt

Die Veranstaltung wendet sich an Studierende im Bachelor Statistik & DataScience (3. Semester). Das "Grundlegende Praxisprojekt" (BA Statistik und Data Science - PO 2021) ist eine Pflichtveranstaltung (Modul P 11.1).

Die Veranstaltung wird sowohl während der Vorlesungszeit (in zwei getrennten Termingruppen) als auch in den Semesterferien angeboten. Diese Moodle-Seite ist gemeinsam für alle Veranstaltungen. Für alle drei Blöcke finden Einführungsveranstaltungen mit Anwesenheitspflicht am 13. und 16.10.2025, 16-18 Uhr statt. Aus organisatorischen Gründen ist eine frühzeitige, separate Anmeldung für die Teilnahme während der Vorlesungszeit nötig -- schreiben Sie sich bitte in den Kurs ein und melden Sie sich dann auf der Kursseite für einen der 128 während dem Semester verfügbaren Praktikumsplätze an. Diese Anmeldung ist bis zum 30.09.2025 möglich. Melden Sie sich auch für die Veranstaltung während des Semesters im LSF an.

Person: Dr. Cornelia Oberhauser

SAS course as a 5-day block course during the semester break

Dates:

Enrolment key

• The enrolment key is: ‘saskurs2025’
  

Guest key

• The guest key is: ‘saskurs2025’

Der Kurs zur Einführung in die statistische Datenanalyse wird vom Statistischen Beratungslabor der LMU (StaBLab) angeboten. Ziel der Kurse ist es, den Teilnehmerinnen und Teilnehmern grundlegende statistische Kenntnisse zu vermitteln und sie dazu zu befähigen, diese eigenständig in ihren Projekten anzuwenden. Die Veranstaltungen zeichnen sich durch einen starken Praxisbezug aus und basieren auf den vielfältigen Erfahrungen aus der statistischen Beratung am StaBLab.

Der Kurs teilt sich auf in einen Grundkurs und einen Aufbaukurs. Der Grundkurs vermittelt Grundlagen aus Theorie (Kurzeinführung in die Statistik) und Praxis (Vertiefung der Theorie, Umgang mit der statistischen Software R). Der Aufbaukurs widmet sich schwerpunktmäßig der Regression und der fortgeschrittenen Gestaltung von Graphiken in R sowie der Diskussion praktischer Fragestellungen (gerne auch anhand von Projekten der Kursteilnehmer). PC-Arbeitsplätze können gestellt werden, wünschenswert wäre jedoch eine Bearbeitung der Praxisaufgaben am eigenen Laptop. Es sind für den Grundkurs drei Blöcke und für den Aufbaukurs zwei Blöcke mit je zwei dreistündigen Einheiten geplant.


Zielgruppe:
Studierende, Promovierende und wissenschaftliche Mitarbeiter an der LMU, die sich in ihrer Abschluss- bzw. Forschungsarbeit mit quantitativen Analysen beschäftigen werden und geringe bzw. keine statistischen Kenntnisse haben, oder grundsätzlich Interesse haben, die freie Statistiksoftware R zu erlernen. Insbesondere ist es empfehlenswert, den Grundkurs vorbereitend zu einer Beratung beim StaBLab zu besuchen.

• Bachelor Statistik und Data Science: WP7 Ausgewählte Gebiete der statistischen Modellierung
• Nebenfach Statistik und Data Science (60 ECTS): WP6 Einführung in die Bayes-Statistik
• Nebenfach Statistik und Data Science (30 ECTS): WP8 Einführung in die Bayes-Statistik
• Bachelor Informatik mit integriertem Anwendungsfach Statistik: WP40 Einführung in die Bayes-Statistik
• Bachelor Wirtschaftsmathematik: P17 Ausgewählte Gebiete der angewandten Statistik
• Andere Studiengänge auf Anfrage

Schedule

• Lecture: 
  • Wednesday, 10-12 c.t.
  • Location: Geschwister-Scholl-Platz 1, A 213 (Raumfinder)
• Tutorial: 
  • Friday, 10 - 12 c.t.
  • Location: Geschwister-Scholl-Platz 1, M 014 (Raumfinder)

Enrollment key

• Enrollment key: test-time-compute