[w25/26] Seminar on Methodological Challenges in Official Statistics

[w25/26] Seminar on Uncertainty Estimation for Deep Learning

This seminar provides an overview of techniques for quantifying uncertainty in deep learning models. It covers epistemic and aleatoric uncertainty, Bayesian neural networks, methods deep ensembles, Imprecise learning, credal sets, interval probabilities and recent techniques for quantifying uncertainties in LLM and generative models as well as calibration methods. Applications in LLM, computer vision, and safety-critical domains such as healthcare and autonomous systems will also be discussed.

Recommended prerequisites: Deep learning; Python, PyTorch, TensorFlow. We would also hold the seminar in English, and also allow students from other courses (especially DS students)

Organization:

  • First meeting: Tuesday, 10:30-12:00 am,  Oct. 21st at Ludwigstr. 33, Old Library
  • Language: The seminar will be held in English and German

[w25/26] Seminar: Practice and Philosophy of Statistical Inference in the Context of Open Science and the Replication Crisis

[WS 25/26] Statistical methods for network construction and analysis (Pugno)

This seminar introduces students to the foundations of estimating and analyzing networks from data. It is structured in three thematic blocks:


  1. Network Construction. We begin with statistical approaches to network estimation, moving from simple correlation and shrinkage methods to sparse graphical models and nonparanormal transformations. We compare conditional independence graphs with correlation/information-based networks and discuss practical choices for high-dimensional data.
  2. Network Analysis & Clustering. In the second block, we turn to methods for analyzing network structure. We start with measures of centrality and dive into community detection, exploring different clustering strategies. We also consider graphlet correlations as statistical fingerprints that allow characterization and comparison of networks.
  3. Generative Models. The final block focuses on generative network models. We consider the foundational small-world network construction scheme and introduce exponential random graph models (ERGMs) as a flexible generative framework.

[w25/26] Seminar on Causal Inference (Olma)

Introductory meeting: Tuesday, 21.10.2025, 10 a.m., Seminar room #144

[w25/26] Applied Deep Learning (Rezeai, Rügamer)

Kick-off Meeting: October 20, 4:30pm

Enrollment Key: ADL2526

[w25/26] Theoretical Foundations of Deep Learning (Rügamer)

This seminar is only for participants who have been assigned a place through the official allocation procedure.

[ws2526] Causality in Machine Learning

Course instructor: Simon Rittel

Target group: Master Statistics and Data Science

Module: WP 34 Selected Topics of Machine Learning (3 ECTS)

Course Description:
The lecture is structured to provide a comprehensive overview of the many facets of causality for machine learning: Fundamentals of causal inference, potential outcomes, Meta learners, the Pearlian framework of causality, causal graphical models, causal discovery, causal notions of fairness, causal representation learning, and recent research, e.g. , the intersection of LLMs with causal models.

Enrollment key:  causal_ml

[w25/26] Research Techniques in Statistics and Data Science (Wissenschaftliches Arbeiten in der Statistik)

Time and Dates: Thursdays,  6:15 pm to 7.45 pm,  A017 (main building). 

We will have six meetings in the first half of the semester: Oct 30, Nov 6, 13, 20, 27, Dec 4; one meeting for further mutual exchange will take place at the end of the semester (tbd.).

Overview: This course will cover essential research techniques in statistics and data science, preparing students for successful participation in seminars and thesis writing. The material presented primarily focuses on classical research techniques, also providing a basic understanding of research as a social system. Beyond this, classroom discussions will hopefully help combine the classical techniques with "modern personal knowledge management methods", which are currently also intensively disseminated by different YouTube authors, also integrating the participants' experience in using generative AI tools.

The course is part of the Bachelor’s programmes in Statistics and Data Science (150 major or 60 ECTS minors: `Methoden und Techniken des wissenschaftlichen Arbeitens’,  P16.1, and  WP 12.1 / WP 13.1, respectively).  Bachelor's students from the "old POs" and Master’s students are most welcome as well. A certificate can be issued for active personal attendance.

Minor students and Bachelor's degree Erasmus students who will not attend a seminar can obtain 3 ECTS via an examination/small project at the end of the course.


Enrollment key: ResTech


[ws25/26] Seminar: Online learning: Foundations and Algorithms

[w25/26] Seminar: Explaining Black-Box Predictions: A Game-Theoretic Approach to Reliable Model Interpretability

Kick-off: 14.10.2025 from 14:00 - 16:00 at Seminar Room (144) Ludwigstr. 33

Main contact: f.fumagalli@lmu.de

[w25/26] Optimization in Machine Learning (Bischl)

Enrollment Key: gradient_de$cent

[w25/26] Computational Social Science

Enrollment Key

CSSws2526


[w25/26] Wirtschafts- und Sozialstatistik

Einschreibeschlüssel: WiSo2526

Im ersten Teil des Moduls wird der sozial- und wirtschaftswissenschaftliche empirische Forschungsprozess beleuchtet, eine Einführung in die wichtigsten Erhebungstechniken, Studiendesigns und klassische wie moderne Datenquellen gegeben, ein Verständnis für die Problematik der Operationalisierung theoretischer Konstrukte durch Indikatoren geweckt sowie die Verzerrung durch Selektions- und Instrumenteneffekte inklusive fehlender und fehlerhafter Daten analysiert. Im zweiten Teil wird zunächst die Rolle der amtlichen Statistik für eine informationelle Infrastruktur einer modernen Gesellschaft diskutiert. Besprochen werden der Aufbau des Europäischen Statistischen Systems, die spezifischen Qualitätsanforderungen amtlicher Statistikproduktion auch im Lichte neuer Datenquellen sowie methodische Konzepte der Bevölkerungsstatistik, der Preis- und Inflationsmessung und der Beobachtung des Arbeitsmarktes. Das Modul schließt mit Methoden der Konzentrationsmessung.

[w25/26] Seminar: Research Seminar in Explainable AI: Reproducibility and Critical Evaluation of Methods

Kick-off: 14.10.2025 from 14:00 - 16:00 at Seminar Room (144) Ludwigstr. 33

Main contact: giuseppe.casalicchio@lmu.de


[w25/26] Basic Concepts and Structures in Official Statistics, Dissemination and Privacy Protection (EMOS A)

Lecturers: Thomas Augustin and Gilbert Kiprotich.

Official statistical agencies are the central information service providers in a democratically organized society, informing politics, business and society about current economic, social and increasingly also ecological developments. In this way, official statistics form an important basis for informed decisions. At the same time, official statistics act as a control authority, especially for politics, by empirically reflecting the consequences of decisions and actions. To meet this responsibility, official statistics production is underpinned by a strict methodology and high-quality standards. 

Against this background, there has also been an intensive discussion about the opportunities and challenges that complex statistical modelling, machine learning techniques, and new data sources deliver. This module aims to prepare students for participation in the discourse between academic and official statistics, as well as for the numerous opportunities for cooperation with public data producers. It provides an insight into typical questions and modes of argumentation, methodological principles, and the most important products of official statistics. First, the basic principles and legal framework of official statistics, their fundamental structure in Germany/Europe and their most important supporting institutions are discussed as a basis. Further topics will then include the EU system of environmental indicators, national and international poverty measurement, the role of machine learning and big data in official statistics, selected aspects of result dissemination and statistical literacy, and access to official data sources for (own) secondary analyses.

The module is compulsory for the EMOS (see below) specialisation; all other students can choose it as a general elective module. Furthermore, for the Social Statistics and Social Data Science track as well as the Econometrics track, this module counts as a "wider elective module". Students from other programmes are also most welcome. Please clarify the recognition conditions with your Board of Examiners and then contact us. 

Enrollment Key: emosa

On EMOS: The intensified cooperation of statistical authorities with a number of universities resulted in an EU-wide certification of particular master's degree programmes (EMOS: European Master in Official Statistics) that are recognized for providing a comprehensive education in official statistics. For students at LMU, it is possible to obtain an EMOS certificate by taking a specific route within the Machine Learning track and the Social Statistics and Data Science track.

[WS25/26] Einführung in die statistische Software für NF und die Wirtschaftspädagogik

Introduction to Statistical Software (StatProg 1)

The enrolment key / password for the course is: StatProgWS25.

If you have questions please contact statprog@stat.uni-muenchen.de.

The course will be taught in English, more information can be found in the course itself.


[w25/26] Supervised Learning / Predictive Modelling (Fumagalli / Heiß)

Enrolment Key: sl_winter2526



[w25/26] Inferenzstatistik I: Grundlagen der Schätztheorie (Kauermann)

9 ECTS, 4 SWS Vorlesung, 2 SWS Übung

Primäre Zielgruppe: 3. Semester Bachelor Statistik und Data Science (Module P9 und P10 in SPO 2021)

Inhalte: Einführung ins Schätzen und Testen. 



 Termin Ort Beginn
Vorlesung Dienstag, 16:00 s.t.! - 20:00 Schellingstr. 3 (S) - S 002 14.10.25
Übung (Präsentationen) Montag, 14:15 - 15:45 Geschw.-Scholl-Pl. 1 (D) - D 209 27.10.25
Übung (Besprechung) Mittwoch, 10:15 - 11:45 Geschw.-Scholl-Pl. 1 (M) - M 114 15.10.25
Tutorium Donnerstag, 14:15 - 15:45 Geschw.-Scholl-Pl. 1 (D) - D 209 23.10.25

Der Einschreibeschlüssel lautet: InfStat1_W25_26

[w25/26] Introduction to Machine Learning - Minor Statistics (Casalicchio)

In LSF: "Einführung in das maschinelle Lernen" 

Format
Inverted classroom with 90 min live lecture recap + 90 min live exercise recap

Class
  • Time: Wednesday 12:15 - 13:45 h.
  • Location: A 214.
Exercise
  • Time: Thursday 10:15 - 11:45 h.
  • Location: S 005

Enrollment key
  • The enrollment key is: "I2ML".

[w25/26] Seminar on (Large) Language Model Applications for Text and Biological Data

Enrollment Key: llm_text_bio

Data Privacy and Confidentiality

Enrolment key: DPC25

[w2526] Statistical Inference (Heumann)

Schedule:

Time Lecturer Begin

Lecture

  Monday, 10:15 - 11:45
  Prof. Dr. Heumann
  13.10.2025
Tutorial
  Tuesday, 08:15 - 09:45  Jai Lunkad  14.10.2025
Lecture  Tuesday, 14:15 - 15:45  Prof. Dr. Heumann
  14.10.2025

Exercise course     
(Group 1)

  Wednesday, 14:15 - 15:45  Sapargali, Garces Arias 
 22.10.2025

Exercise course
(Group 2)

  Thursday, 08:15 - 09:45  
 Sapargali, Garces Arias 
 23.10.2025



Enrollment Key
  • The enrollment key is "stat_inf_w2526"
Note: the course is creditable for "Mathematische Statistik, M.Sc. Mathematik WP5 (PO2021)".

[ws25/26] Mathematik I: Grundlegende Techniken für Nebenfachstudierende (Schollmeyer)

Der Einschreibeschlüssel lautet:  Mathe_I_NF2526

[w2526] Ethics by Design in AI

[ws25/26] Survival Analysis

Schedule:

Enrollment key: 

survive25

[w25/26] Statistik III für Nebenfachstudierende (Schierholz)

Einschreibeschlüssel

  • Der Einschreibeschlüssel lautet: "stat3nf2025"

[ws25/26] Einführung in die Statistische Software

Einführungskurs in das Programmieren mit der statistischen Software R für das erste Semester im Bachelorstudiengang 'Statistik und Data Science' (Bachelor of Science, B.Sc.).

  • Leistungsumfang: 6 ECTS
  • Art des Moduls: Pflichtmodul mit Pflichtveranstaltungen
  • Verwendbarkeit des Moduls in anderen Studiengängen: Keine
  • Wahlpflichtregelungen: Keine
  • Teilnahmevoraussetzungen: Keine
  • Zeitpunkt im Studienverlauf Empfohlenes Semester: 1
  • Präsenszeit: 3 SWS

Einschreibeschlüssel: statsoft2526

[WS2526] Statistik I für Studierende der Soziologie, des Nebenfachs Statistik und des Nebenfachs Statistik und Data Science, der Medieninformatik und der Cultural and Cognitive Linguistics

Einschreibeschlüssel: stat1wise2526 

[w2526] Seminar on Income Inequality and Redistribution

This seminar explores recent debates on income inequality and redistribution in economics. We will examine the methodological and empirical dispute between Piketty, Saez, Zucman and their critics Auten and Splinter on measuring trends in income inequality, as well as related contributions in this field. Building on this, we will study theories of optimal taxation and redistribution, discussing how economic policy can address rising inequality in practice.


[w25/26] Causal Inference (Wilhelm)

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


[WS25/26] Complex Samples and Data Collection

  • Block course in the week of Feb 16 and week of Feb 23. 

Key: w2526complexsamples

[w25/26] Statistics for the Public Good – Infrastructure for Decision Making, Research and Discourse (Radermacher)

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 slot per student on March 5th + March 6th 2026, 9am – 5pm 
  • Catching-Up Exam (Nachholtermin): March 13, 2026, 9am – 5pm

Language: English


Who is this course for? MsC Statistics and Data Science (2021, WP 28+29+40+46), BsC Statistics and Data Science (2021, WP 8+11), Statistik und Data Science als Nebenfach für Bachelor 30 ECTS (2021, WP 4+5), Statistik und Data Science als Nebenfach für Bachelor 60 ECTS (2021, WP 11+12), Statistik und Data Science als Nebenfach 30 ECTS Mathematik (2021, WP 5+6), Statistik Nebenfach 60 ECTS Bachelor Soziologie (2021, WP 10+11), WISO Mater (2010, "Ausgewählte Gebiete..." (3ECTS))

Self-Enrolment Key: StatsPublicGood#2526

[25/26] Statistical Methods in Epidemiology

This course provides a comprehensive overview of the key methodological principles in designing, analyzing, and interpreting epidemiological studies.

The first part introduces foundational concepts such as defining estimands (the research question) and basic causal thinking. It also covers essential epidemiological measures, including prevalence, incidence, and effect measures, to describe associations between exposures and outcomes. Additionally, the course addresses challenges common in observational studies, such as bias and confounding. It critically examines how different study designs and statistical techniques can be used to handle both measured and unmeasured confounding.

The second part of the course focuses on more advanced topics. These include the role of evidence in shaping policy, the handling of missing data, and the analysis of competing risks in epidemiological research.

Enrollment Key: CompetingRisk25

Entropy and Information theory

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






[w25/26] Programmieren mit statistischer Software (R) (Binder, To)

Die Veranstaltung "Programmieren mit Statistischer Software (R)" wendet sich an Studenten im Bachelor Statistik und Data Science (3. Semester). Sie baut auf die Veranstaltung "Einführung in die Statistische Software" (1. Semester) auf.

Einführungsveranstaltungen

Bitte kommt auf jeden Fall zur ersten Veranstaltung am Montag, wo der Ablauf des Kurses erklärt wird!

  1. Zeit: Montag 2025-10-13, 10-12 c.t.
    Ort: Schellingstr. 3 (S), Raum S 001
  2. Zeit: Mittwoch 2025-10-15, 16-18 c.t.
    Ort: Schellingstr. 3 (S), Raum S 002
    Dies ist ein anderer Raum als Montag!
Tutorials

Termine: Montags und Mittwochs, 2025-10-20 -- 2025-12-17; 2026-01-07 -- 2025-02-04.

Zeiten sind "s.t."!
Zeitslot
 Ort Person
Montag 10--11
 Ludwigstr. 33, Raum 144 (Seminarraum) Xiao-Yin To
Montag 11--12
 Ludwigstr. 33, Raum 144 (Seminarraum) Xiao-Yin To
Mittwoch 16--17
 Geschwister Scholl Platz 1, Raum F 007 Martin Binder
Mittwoch 17--18
 Geschwister Scholl Platz 1, Raum F 007 Martin Binder
ProgR Homework Lab

Während dieser Zeit könnt ihr vorbeikommen und an euren ProgR-Hausaufgaben arbeiten, entweder allein oder in Gruppen (bringt eure Laptops mit). Jemand von uns ist anwesend und kann euch bei Fragen oder Problemen unterstützen, sei es zu spezifischen Hausaufgaben oder zum Kursmaterial generell. Die Teilnahme ist freiwillig und es wird in dieser Übungszeit kein neues Kursmaterial vorgestellt.

Ort: Ludwigstr. 33, Raum 144 (Seminarraum)
Zeit: Montags 10:00-12:00 s.t., 2025-11-17 -- 2025-12-15 und 2026-01-12 -- 2025-02-02

Einschreibeschlüssel: progr2526


[w25/26] Contemporary Design of Experiments (Kauermann)

Dates:

Date Person Start
Lecture Tuesday, 8-10 Kauermann14.10.2025
Exercise Thursday, 16-19 (slot is not always used fully)
 Melev/Gruber16.10.2025

Enrollment key
  • Enrollment key: fisher

[ws25/26] Einführung in die medizinische Biometrie (Hoffmann)

Termine:

Termin Ort Person
Vorlesung Di, 12:15-13:45 Geschw.-Scholl-Pl. 1 (A) - A 125
 Hoffmann
Übung  Mi, 14:15-15:45 Geschw.-Scholl-Pl. 1 (A) - A 125
 Hoffmann/Sauer/Niethammer

    Einschreibeschlüssel
    • Der Einschreibeschlüssel lautet: "EinfBiom2526"

    [ws25/26] Preclinical and Clinical Studies (Boulesteix/Hoffmann)

    Date Place Person
    Lecture Thursday, 09:15-11:45  Geschw.-Scholl-Pl. 1 A 017
    		 Boulesteix/Hoffmann
    Exercise  Monday,  08:15-09:45  Geschw.-Scholl-Pl. 1 A 213 Sauer

      Enrolment key
      • The enrolment key is: "PCS2526"

      [w25/26] Fortgeschrittene mathematische Methoden in der Statistik (Scheipl/Gauß)

      Termine:

       Termin  Ort Person  Beginn 
       Vorlesung  Do, 10-12 Geschw.-Scholl-Pl. 1 - A 214 Scheipl 16.10.25 
       Übungsgruppe 1 Di, 14-16 
      		 Prof.-Huber-Pl. 2 - W 201 Gauß 21.10.25
       Übungsgruppe 2  Mi, 12-14 
      		 Geschw.-Scholl-Pl. 1 - M 114 Gauß 22.10.25

      Einschreibeschlüssel
      • Der Einschreibeschlüssel lautet: "fmm2526"


      [w25/26] Deskriptive Statistik & Explorative Datenanalyse (Scheipl/Schlichting)


      TermineOrtPerson
      Vorlesung 
      		Mo, 14.00 - 16.00     
      		 M 118 (Hgb)Fabian Scheipl     
      Vorlesung  
      		Do, 14.00 - 16.00 A 240 (Hgb)
      		Fabian Scheipl
      Übung 1 
      		Mo, 12.00 - 14.00 A 240 (Hgb)Daniel Schlichting
      Übung 2  
      		Mi, 10.00 - 12.00
      		 C 006 (Luisenstraße 37) Daniel Schlichting
      Tutorium
      		Di, 18.00 - 20.00
      		 S 001 (Schellingstr. 3)
      		Michael Kobl

      Übung & Tutorium beginnen erst in der zweiten Semesterwoche.

      Einschreibeschlüssel: dskrpt




      [w25/26] Konzepte der statistischen Modellierung (Hoffmann, Scheipl)

      Ausgehend von der linearen Modellierung werden komplexe und flexible Regressionsmodelle (generalisierte lineare Modelle und generalisierte additive Modelle) behandelt. Weiter wird ein Überblick über wichtige multivariate Analysetechniken, wie Klassifikation, Diskriminanzanalyse und Clusteranalyse und Modelle für latente Variablen, gegeben.


      Termine und Personen:

       Termin Ort
      Vorlesung   
      		 Di, 10.00 - 12.00 
      		 Kaulbachstr. 37 - 023   
      Übung
      		 Mi, 10.00 - 12.00
      		 Schellingstr. 3 - R 051 
      Vorlesung/Übung Do, 12.00 - 14.00
      		 Geschw.-Scholl-Pl. 1 - D209     
      Vorlesung/Übung    Fr,  10.00 - 12.00 Geschw.-Scholl-Pl. 1 - E004
      Tutorium
      		 Kein Tutorium 


      Vorlesung: Fabian Scheipl und Sabine Hoffmann
      Übung: Christina Sauer
      Tutorium: Kein Tutorium

      Die Kontaktdaten sowie Sprechzeiten sind den jeweiligen Homepages zu entnehmen.


      Einschreibeschlüssel
      5tati5tik

      [w25/26] Grundlegendes Praxisprojekt (Hoffmann/Scheipl/Schlichting/Scherzer)

      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 12.10.2025 möglich. Melden Sie sich auch für die Veranstaltung während des Semesters im LSF an.


      Die verpflichtende Anmeldung auf der Moodle Seite für die Veranstaltung in der Vorlesungszeit ist bis zum 12.10.2025 möglich. Bitte beachten Sie, dass das Einschreiben in diesen Kurs keine Anmeldung darstellt.

      Das Anfängerpraktikum in der vorlesungsfreien Zeit beginnt am 02.03.2026 mit der Projektvergabe (Anwesenheitspflicht). Weitere Infos folgen bald.

      Selbsteinschreibungsschlüssel: grlgprkt

      [w25/26] Fortgeschrittenes Praxisprojekt / Statistisches Praktikum (Sauer/Hoffmann)

      Die Veranstaltung wendet sich an Studierende mit Hauptfach Statistik und Data Science bzw. Statistik. Das Fortgeschrittene Praxisprojekt (PO 2021) bzw. Statistische Praktikum (PO 2010) ist für Studierende im Bachelor-Studiengang Statistik ein Pflichtbestandteil des Studiums. In Gruppen von 4-5 Personen werden Projekte aus der angewandten Statistik bearbeitet. In der Regel besteht ein Projekt aus statistischen Fragestellungen, die sich aus der Zusammenarbeit mit externen Kooperationspartnern ergeben.

      Jede Gruppe hält einen Zwischenvortrag bei dem bisherige Ergebnisse diskutiert und Anreize für weitere Analyse-Ansätze gegeben werden. Abgeschlossen wird das Praktikum mit einem längeren Vortrag in Anwesenheit des Projektpartners.

      Die Statistik-Kenntnisse aus der Veranstaltung "Einführung in die lineare statistische Modellierung" bzw. "Lineare Modelle" werden für das Praktikum dringend empfohlen. Ohne diese Kenntnisse wird eine Bearbeitung der Projekte nicht möglich sein.

      Die Veranstaltung wird sowohl während der Vorlesungszeit als auch in den Semesterferien angeboten. Die fristgerechte Anmeldung bis zum 30.09.2025 ist notwendig und verpflichtend, um eine ausreichende Menge an Projekten vorbereiten zu können. Ohne Anmeldung kann eine Teilnahme nicht garantiert werden. Bei der Anmeldung bitte auf die Angabe der korrekten Prüfungsordnung achten. Bitte beachten Sie, dass das Einschreiben in diesen Kurs keine Anmeldung darstellt.

      Einschreibeschlüssel : statp2526


      [w25/26] Statistical Modeling (Küchenhoff)


       Date & Time Place Person
      Lecture    
      		 Do., 12:15 - 13:45 
      		 S 003 
      		 Küchenhoff   
      Lecture    
      		 Fr.,  12:15 - 13:45
      		 M 118  
      		 Küchenhoff   
      Exercise
      		 Mo., 14:15 - 15:45
      		 D 209 
      		 Kobialka/Schulte 
      Tutorial
      		 Mi., 16:15 - 17:45 
      		 M 105
      		 Huelskamp

      Enrollment Key:  StatMod101

      [WS25/26] Merged Seminar on "Recent developments in spatial and geodata statistics" and "Paradigm shifts in the foundations of statistics"

      Merged Seminar:
      • Recent developments in spatial and geodata statistics
      • Paradigm Shifts in the Foundations of Statistics? – Addressing the challenges of new data regimes via betting strategies, compression algorithms, imprecise probabilities and decision theory
      If you are interested in attending the seminar for 3 ECTS, please register using the key "Interested".

      [w25/26] SAS Course (Oberhauser)

      Person: Dr. Cornelia Oberhauser

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

      Dates:

      Day
      		Time
      		 Room
      Mon 22.09.2025
      		 Lecture 9:15 - approx. 12:15
      		 online via Zoom

      		Exercise
      		13:15 - 17:00
      		 online via Zoom
      Tue 23.09.2025
      		 Lecture
      		 9:15 - approx. 12:15 online via Zoom
      Exercise
      		13:15 - 17:00 online via Zoom
      Thu 25.09.2025
      		 Lecture
      		 9:15 - approx. 12:15 online via Zoom
      Exercise
      		13:15 - 17:00 online via Zoom
      Mon 29.09.2025
      		 Lecture
      		 9:15 - approx. 12:15 online via Zoom
      Exercise
      		 13:15 - 17:00 online via Zoom
      Tue 30.09.2025
      		 Lecture
      		 9:15 - approx. 12:15 online via Zoom
      Exercise
      		 13:15 - 17:00 online via Zoom

      Enrolment key

      • The enrolment key is: ‘saskurs2025’

      Guest key

      • The guest key is: ‘saskurs2025’

      [WS25/26] Statistics for Geosciences (Funk)

      Welcome to the course "Statistics for Geosciences" in the winter term 25/26!

      First meeting: Wednesday, October 15, 08.30 in room C 112 in der Theresienstr. 41

      Enrolment key: stat2geo


      [WS 25/26] Einführung in die statistische Datenanalyse (mit R)

      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.


      [w2526] Spatial Statistics

      Master course 

      • Master Statistics & Data Science – WP45
      • Students from other fields welcome

      Self-Enrolment Key: GMRF




        Date and time
        Tuesday12.15-13.45F 007
        Thursday10.15-11.45A 014




      [w25/26] Einführung in die Bayes-Statistik

      Online-Kurs
      Wöchentliche Hybrid-Veranstaltung: Montag 14-16 Uhr (Hörsaal B106+Zoom).

      Einschreibeschlüssel: Tunbridge

      Belegmöglichkeiten:
      • 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

      [w25/26] Topics in Econometrics - Causal Inference and Networks


      Schedule:
      Tuesday, 14-16 in E 004
      Friday, 12-14 in E 216


      Enrolment key:
      CIN25

      [w25/26] Statistik I & II für Studierende der Wirtschaftswissenschaften (Heumann, Aßenmacher, Melieni)

      Termine

      • Vorlesung: Dienstag, 16 - 18 c.t.
      • Übungen:
        Mittwoch, 12 - 14 c.t.
        Donnerstag, 10 - 12 c.t.

      Einschreibeschlüssel

      • Der Einschreibeschlüssel lautet "stats26".


      [w25/26] Deep Learning for Natural Language Processing (Schütze, Heumann, Aßenmacher, Liu, Mülthaler)

      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


        [w25/26] Grundlagen der Statistik für Studierende der Wirtschaftswissenschaften (Aßenmacher, Alber, Gordienko)

        Termine

        • Vorlesung: Donnerstag, 10 - 12 c.t.
        • Übungen:
          Montag, 10-12 c.t., 14-16 c.t., 16-18 c.t.
          Mittwoch, 10-12 c.t., 12-14 c.t., 14-16 c.t., 18-20 c.t.

        Einschreibeschlüssel

        • Der Einschreibeschlüssel lautet "stats26".