SS26

Lecture hours:

• Mondays, 16:15-18:00, Leopoldstr. 13 / H3 – 3232
• Tuesdays, 12:15-14:00, Geschwister-Scholl-Platz 01 / M110

Time and Dates:  on mondays 12:15 - 13:45 

First meeting: monday, 27.04.2026

Room:   Geschw.-Scholl-Pl. 1 (M) - M 105

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: ResTech26

Enrolment key: ml26

Der Einschreibeschlüssel lautet: Mathematik_II

Welcome to this introductory course on causality! This is where we gather all the material and organize the in-person sessions.

Dates [Summer Term 2026]

Lecture: Monday, 12h15 - 13h45
Lecture/Exercise (alternating): Tuesday, 08h30 - 10h00


If self-enrollment in this moodle course does not work automatically, you need to register via the backdoor ;)
--> Enrollment key: backdoor

Termine:

• Der Einschreibeschlüssel lautet: "linalg2026"

Der Schlüssel zum Einschreiben ist Stat2NFSoz26.

The seminar will present and discuss current statistical analyses of the climate crisis, including climate change, extreme climatic events, and natural hazards. There will be four focal points. 

1. Uncertainty Modeling in Climate Simulation

2. Drought prediction (short, seasonal, long-term)

3. Discussion of tipping points in climate change. The current scientific discussion and the uncertainty will be the issue

4. Measurement of Biodiversity and relationship to climate change      

Students are expected to engage intensively with the scientific literature, present the statistical methodology for the chosen topic, and/or replicate results from the literature. The Seminar meetings, presentations, and final report will be in English. We also recommend good skills in git and GitHub. It is possible to present your topics and, if suitable, to work on them in the seminar. The final results of the Seminar will be published as Chapters online in a Book.

Einschreibeschlüssel: StoSta26

Termine

This seminar explores open topics in Human-AI collaboration in statistical and data science contexts, with a focus on design, evaluation and validation skills for implementing trustworthy workflows.

Learning Objectives

• Critically evaluate AI-assisted workflows in statistical and data science contexts, with a focus on integrating statistical and computational perspectives.
• Identify limitations of standard accuracy-based evaluation metrics for complex, multi-step tasks.
• Design, justify and/or evaluate AI-assisted data workflows involving non-linear, exploratory statistical tasks.
• Conduct independent research and communicate findings in a scientific paper or research software prototype.
• Give and receive structured feedback on research-in-progress.

Schedule & Format

Location TBC -- see Moodle announcements

• Thursday, April 23, 12.30-2PM: Introductory lecture, discussion of pre-readings, form research directions and groups
• Thursday, May 7, 12.30-2PM: Feedback on research directions, discussion of additional readings
• Monday, Jun 22, 12-2PM: Progress presentations and feedback
• [Tentative] Week of Jul 20: Final presentations
• [TBC] Aug: Submission of final papers

Die statistische Analyse von Netzwerkdaten ist ein wachsendes Gebiet. Netzwerkdaten sind inhärent nicht i.i.d., denn die Verbindung zwischen zwei Akteuren hängt ab von den sonstigen Verbindungen im Netzwerk. Ein klassisches Beispiel sind soziale Netzwerke, an denen sich Eigenschaften wie „der Freund meines Freundes ist mein Freund“ beobachten lassen.

Das Seminar führt ein in das Thema. Wir besprechen Datenstrukturen, graphische Darstellungen und statistische Modelle für Netzwerkdaten. Die Beispiele werden numerisch in R begleitet.

Als Grundlage für das Seminar dient das Buch Network Analysis von Rawlings, Smith, Moody und MaFarland, jüngst erschienen bei Cambridge University Press

https://www.cambridge.org/core/books/network-analysis/C9202FD5420BE99225FEED4B6214DBB7#fndtn-metrics

Organisation: Wöchentliche Termine (Mai - Juni)

Kick Off: 14. April

Sprache: Die Vorträge können in deutscher und englischer Sprache gehalten werden. Die Betreuung erfolgt in deutscher und englischer Sprache. Die Literatur ist englischsprachig.

Einschreibeschlüssel: adjacency26

Block Course - March16th - 26th 2026

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_2026

Termine

• Wiederholungsübungen: 
  • Do 10-12
  • Fr 10-12

Einschreibeschlüssel

• Der Einschreibeschlüssel lautet "stats26wdh"

Person: Dr. Cornelia Oberhauser

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

Dates:

Enrolment key

• The enrolment key is: ‘saskurs2026’
  

Guest key

• The guest key is: ‘saskurs2026’

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). Die Bearbeitung der Praxisaufgaben findet am eigenen Laptop statt, da PC-Arbeitsplätze nicht gestellt werden können. Für den Grundkurs sind 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.

Statistik II für Statistiker: Wahrscheinlichkeitstheoretische Grundlagen der Statistik