Im Sommersemester bietet das Statische Beratungslabor der LMU (StaBLab) erneut zwei Kurse zur Einführung in die statistische Datenanalyse an. Die beiden Kurse finden während der Vorlesungszeit statt.
Die beiden Kurse werden einen großen Praxisbezug haben und auf die Erfahrungen aus der Beratung von Abschlussarbeiten am StaBLab zurückgreifen. Ziel ist es, den Teilnehmern grundlegende Kenntnisse in der Statistik zu vermitteln und sie zu ermächtigen, diese Kenntnisse auch bei ihren eigenen Arbeiten anzuwenden.
- Angeboten werden ein Grundkurs und ein anwendungsorientierter Aufbaukurs. Der Grundkurs soll Grundlagen vermitteln und besteht aus Theorie (Kurzeinführung in die Statistik) und vielen praktischen Übungen (Vertiefung der Theorie / Umgang mit der statistischen Software R).
- Der Aufbaukurs widmet sich schwerpunktmäßig der Regression und der fortgeschrittenen Grafikgestaltung in R, sowie der Diskussion praktischer Fragestellungen (gerne 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 und Promovierende an der LMU, die sich in ihrer Abschlussarbeit/Arbeit mit quantitativen Analysen beschäftigen werden und
- die geringe bzw. keine statistischen Kenntnisse haben, oder
- die Interesse haben, die freie Statistiksoftware R zu erlernen.
Insbesondere ist es empfehlenswert den Grundkurs vorbereitend zu einer Beratung beim StaBLab zu besuchen.
Termine:
Teil 1 Grundkurs:
Datum / Zeit | Raum / Ort | geplanter Inhalt (Änderungen noch möglich) | |
19.06.2017, 17:00-20:00 |
Raum S006, Schellingstraße | Block I: Grundlagen (CO2-Daten / R: Basics, Daten) | |
20.06.2017, 17:00-20:00 |
Computerräume, Institut für Statistik, Ludwigstr. 33, Raum 042 | Übungen zu Block I / Daten / Lösung | |
26.06.2017, 17:00-20:00 |
Raum S006, Schellingstraße | Block II: Deskriptive Statistik / R-Code (Block 2) | |
27.06.2017, 17:00-20:00 |
Computerräume, Institut für Statistik, Ludwigstr. 33, Raum 042 | Übungen zu Block II / Daten / Lösung | |
03.07.2017, 17:00-20:00 |
Raum S006, Schellingstraße | Block III: Univariate Tests /Lineare Modelle, R-Code (Block 3) | |
04.07.2017, 17:00-20:00 |
Computerräume, Institut für Statistik, Ludwigstr. 33, Raum 042 | Übungen zu Block III / Daten / Lösung |
Teil 2 Aufbaukurs:
Datum / Zeit | Raum / Ort | Inhalt |
10.07.2017, 17:00-20:00 |
Raum S006, Schellingstraße | Block IV: Multivariate Betrachtungen, Grafiken und multiple lineare Modelle / Daten, R-Code |
11.07.2017, 14:00-17:00 |
Computerräume, Institut für Statistik, Ludwigstr. 33, Raum 042 | Übungen zu Block IV / Daten / Lösung |
17.07.2017, 17:00-20:00 |
Raum S006, Schellingstraße | Block V: Generalisierte Regression, Dateneinteilungsverfahren, Grafiken, zugeschickte Fragen, R-Code (Teil 1 / Teil 2) |
18.07.2017, 17:00-20:00 |
Computerräume, Institut für Statistik, Ludwigstr. 33, Raum 042 | Übungen zu Block V (siehe Block IV) / Daten / Lösung (siehe Block IV) |
- معلم: André Klima
Ganztägiger Blockkurs vom 18.09. - 22.09.2017
- معلم: Sonja Greven
- معلم: David Rügamer
Gastschlüssel: saskurs2017
- معلم: Cornelia Oberhauser
- معلم: Andreas Bender
- معلم: Christian Heumann
- معلم: Daniel Schalk
- معلم: Christoph Striegel
- معلم: Janek Thomas
- معلم: Matthias Aßenmacher
- معلم: Michael Schomaker
- معلم: Matthias Aßenmacher
- معلم: Veronika Deffner
- معلم: Christian Heumann
- معلم: Helmut Küchenhoff
- معلم: Christopher Küster
- معلم: Alexander Bauer
- معلم: Dominik Jüstel
- معلم: Helmut Küchenhoff
- معلم: Andreas Singer
- معلم: Benjamin Sischka
Dieser Kurs vertieft die in der Lehrveranstaltung Einführung in die Statistische Software erworbenen Kenntnisse in R.
Darunter fallen der grundlegende Objekttyp Vektor, als auch davon abgeleitete wie Liste, Matrix und Data.frame, sowie grundständige Operationen.
Es wird in die Verwendung von statistischen Verteilungen eingeführt, sowie dem Ziehen von Zufallszahlen.
Ein weiterer Aspekt ist die Einführung in die Erstellung von fortgeschrittenen Grafiken.
- معلم: Paul Fink
- معلم: Cornelia Fütterer
Schätzen und Testen II
Vorlesung und Übung Master 2. Semester
Tag | Zeit | Ort | |
---|---|---|---|
Vorlesung | Montag | 14–16 | A 022 |
Donnerstag | 12–14 | A 017 | |
Übung | Dienstag | 10–12 | M 001 |
Tutorium | Donnerstag | 8–10 | A 016 |
Die Vorlesung beginnt am Donnerstag, 27.04.2017. Am Montag, 24.07. findet keine Veranstaltung statt. Die Übung und das Tutorium beginnen in der zweiten Semesterwoche.
- معلم: Ludwig Bothmann
- معلم: Clara Happ
- معلم: Christian Heumann
- معلم: Alexander Neumaier
- معلم: Volker Schmid
- معلم: Lisa Steyer
- معلم: Matthias Aßenmacher
- معلم: Anne-Laure Boulesteix
- معلم: Philipp Probst
Der Einschreibeschlüssel lautet: StatIISoz17
- معلم: Veronika Deffner
- معلم: Christiane Didden
- معلم: Paul Fink
- معلم: Julia Plaß
Der Einschreibeschlüssel lautet: ET17
- معلم: Christoph Jansen
- معلم: Julia Plaß
Der Einschreibeschlüssel lautet: MathErg17
- معلم: Christoph Jansen
- معلم: Julia Plaß
- معلم: Eva-Marie Endres
- معلم: Patrick Schwaferts
Termine - Vorlesung
Montag | 14:00 c.t. - 16:00 Uhr | E 004 (HGB) |
Mittwoch | 10:00 c.t. - 12:00 Uhr | E 004 (HGB) |
Start | 24.04.2017 |
Termine - Übungen
Donnerstag | 10:00 c.t. - 12:00 Uhr | M 105 (HGB) |
Dienstag | 08:30 c.t. - 10:00 Uhr | A 022 (HGB) |
Start | 27.04.2017 (Do) bzw. 02.05. 2017 (Di) |
Bitte beachten:
- Im Sommersemester 2017 sind zusätzlich zur Klausur Hausübungen zu bearbeiten und abzugeben. Für das Bestehen der Prüfung müssen neben dem Bestehen der Klausur auch 50% der Punkte in den Hausübungen erlangt werden.
- Die Abgabe der Hausübungen erfolgt über Moodle. Sie müssen dazu für den Kurs eingeschrieben sein. Den Einschreibeschlüssel erhalten Sie in Vorlesung, Übung und Tutorium.
- معلم: Michael Kobl
- معلم: Elisabeth Krätzschmar
- معلم: Andreas Mayr
- معلم: Benjamin Sischka
- معلم: Michael Windmann
Termine - Vorlesung
Montag | 14:00 c.t. - 17:30 Uhr | B 106 (HGB) |
Donnerstag | 12:00 c.t. - 14:00 Uhr | D 209 (HGB) |
Start | 24.04.2017 |
Termine - Übungen
Gruppe 1 |
|
Gruppe 2 |
|
Start | 02.05.2017 |
Termine - Tutorium
Mittwoch | 12:00 c.t. - 14:00 Uhr A 022 (HGB) |
Start | 27.04.2017 |
Bitte beachten:
- Im Sommersemester 2017 sind zusätzlich zur Klausur Hausübungen zu bearbeiten und abzugeben. Für das Bestehen der Prüfung müssen neben dem Bestehen der Klausur auch 50% der Punkte in den Hausübungen erlangt werden.
- Die Abgabe der Hausübungen erfolgt über Moodle. Sie müssen dazu für den Kurs eingeschrieben sein. Den Einschreibeschlüssel erhalten Sie in Vorlesung, Übung und Tutorium.
- معلم: Elisabeth Krätzschmar
- معلم: Katrin Newger
- معلم: Georg Schollmeyer
- معلم: Michael Windmann
Analysis of Longitudinal Data
In many applications one is confronted with data for which the variable
of interest is measured repeatedly for the same subjects under different
conditions. Longitudinal data are an important special case for which
the variable of interest is measured for several subjects repeatedly
over time. These kind of data have a number of specific characteristics,
which have to be accounted for in their description, modeling and in
inference.
The course is intended for Statistics Master students. Lecturer is Prof. Dr. Sonja Greven. The course language is english. However, german versions of exercise sheets and the final exam are provided. There will also be additional tutorials in german.
Note: ALSO THE SECOND LECTURE (27.04.) has to be CANCELED!
Dates
Lectures / classes | Tuesday | 12:00 - 14:00 c.t. | Room B 015, Geschwister-Scholl-Platz 1 |
Lectures / classes | Thursday | 14:00 - 16:00 c.t. | Room D Z003, Geschwister-Scholl-Platz 1 |
- معلم: Sonja Greven
- معلم: Jan Stöcker
- معلم: Johanna Völkl
Spatial Statistics - Räumliche Statistik
für Master Statistik, Master Biostatistik, Master Data Science, Master Statistik mit wirtschafts- und sozialwissenschaftlicher Ausrichtung, Vertiefte Statistik als Nebenfach für Master-Studiengänge
Mittwoch 12–14 Uhr, Freitag 14–16 Uhr
- معلم: Clara Happ
- معلم: Katrin Racic-Rachinsky
- معلم: Volker Schmid
Schedule
times: | target audience: |
|
Fortgeschrittene Computerintensive Methoden |
Mi 14-16 / Raum 144 (Seminarraum) Do 10-12 / Raum 144 (Seminarraum) | Statistik, WISO, Biostatistik MSc. |
Predictive Modeling | Mon 14-16 / CIP-Pool 042 Tue 16-18 / Room 144 | Data Science MSc. |
Both rooms are in the building of the department of statistics, Ludwigstr. 33.
- معلم: Jiew-Quay Au
- معلم: Bernd Bischl
- معلم: Bodo Burger
- معلم: Florian Fendt
- معلم: Christoph Molnar
- معلم: Julia Moosbauer
- معلم: Xudong Sun
- معلم: Janek Thomas
- معلم: Andreas Bender
- معلم: Anne-Laure Boulesteix
- معلم: David Rügamer
- معلم: Gunther Schauberger
- معلم: Jan Stöcker
- معلم: Verena Bauer
- معلم: Göran Kauermann
- معلم: Michael Lebacher
- Datum: 18.04. - 21.04.2017
- Zeit: 09:00 - 17:00 Uhr
- Ort: Cip-Pool III, Ludwigstr. 28
- Dozent: Ludwig Bothmann
- Vorkenntnisse: Statistik I - III für Nebenfachstudierende, keine Programmierkenntnisse nötig
Wichtiger Hinweis: Die Anmeldefrist für diesen Kurs ist abgelaufen.
- معلم: Ludwig Bothmann
Vorlesung (VL) | Montag (wöchentlich) | 12:00 - 14:00 Uhr c.t. | Raum A 022, Geschwister-Scholl-Platz 1 |
Vorlesung (VL) | Mittwoch (ca. alle 14 Tage) | 10:00 - 12:00 Uhr c.t. | Raum A 017, Geschwister-Scholl-Platz 1 |
Übung (Ü) | Mittwoch (ca. alle 14 Tage) | 10:00 - 12:00 Uhr c.t. | Raum A 017, Geschwister-Scholl-Platz 1 |
- معلم: Sonja Greven
- معلم: David Rügamer
- معلم: Lisa Steyer
Die Veranstaltung Angewandte Bayes-Statistik richtet sich an Studierende des Bachelor Statistik und im Nebenfach Statistik mit Vorwissen im Bereich Bayesianische Statistik (siehe Einführung in die Bayes-Statistik) und an Studierende der Masterstudiengänge der Statistik. Die Vorlesung vertieft die Theorie der Bayesianischen Statistik und insbesondere die praktische Anwendung, z.B. mittels Markov Chain Monte Carlo Methoden. Die Veranstaltung findet im Sommersemester 2017 statt.
Zeit: Montag 16–18 Uhr, Ort: Ludwigstr. 33, CIP-Pool 042.
- معلم: Volker Schmid
The course revolves around basic concepts of the most general types of financial risks:
- market risk
- credit risk
- operational risk
Intended audience: Advanced bachelor and master students of statistics, mathematics, informatics, economics and business administration.
Prerequisites: Solid mathematical foundations (analysis and linear algebra), basic knowledge in econometrics and statistics.
Certification: Exam at the end of the term, 6 ECTS credits.
- معلم: Christoph Berninger
Topics:
- Overview
- ARMA processes
- Estimation
- Prediction
- Structural analysis
- Modeling nonstationary time series
- Modeling time-varying parameters
- GARCH
Target audience: Advanced students and PhD students in econometrics, statistics, VWL, BWL, mathematics or computer science.
Prerequisites: Profound knowledge in matrix-algebra and econometrics (econometrics I) or statistics (linear models). Basic knowledge in univariate time series analysis is not demanded but of advantage.
Record of achievement: This course consists of two parts. The first part of „Multivariate Time Series Analysis“ is equivalent to the lecture „Multivariate Zeitreihen/Multivariate Time Series“ (3 ECTS-Credits) for statisticians; the second part can be recognised as „Ausgewählte Gebiete der theoretischen Statistik B/Selected Topics in theoretic Statistics B“ (3 ECTS-Credits). For each part there will be a separate exam that takes one hour. That is, you only have to attend the first part (see below) of the course if you want to obtain credit points for the course “Multivariate Zeitreihen”. Apart from that, the whole course is equivalent to "Time-Series Econometrics" and counts as a class for Ph.D. candidates in economics. Both exams constitute the exam you have to pass in order to obtain the "Schein" for "Time-Series Econometrics".
Altogether, there are 5 problem sets in the tutorial. Problem sheets 1, 2 (theoretical properties of VAR(p) processes), and 4 (estimation of VAR(p) processes) belong to the first part „Multivariate Zeitreihen“. Problem sheets 3 (granger-causality, impulse-response-analysis, innovations accounting) and 5 (integrated and cointegrated processes) are relevant for the second part.
- معلم: Fabian Spanhel
Diese Veranstaltung entwickelt die zentralen Begriffe und Methoden der verteilungsfreien Verfahren. Wesentliche Eigenschaften der wichtigsten Verfahren werden formuliert, und ihre Anwendung an Beispielen illustriert. Es werden die wichtigsten Ein- und Mehrstichproben-Tests der nichtparametrischen Statistik dargestellt. Ein Schwerpunkt liegt hierbei auf Verfahren, die auf Rangstatistiken und der empirischen Verteilungsfunktion beruhen. Anwendungen insbesondere in der Biostatistik, den Sozial- und Wirtschaftswissenschaften werden diskutiert.
- معلم: Serkan Yener
- Scheinbar unabhängige Gleichungen
- Simultane Gleichungssysteme
- Grundzüge der Zeitreihenanalyse
- Mikroökonometrie: Discrete-Choice-Modelle
Vorlesung (Mittnik)
ab Mittwoch, 26.04.2017, 12:15 - 14:00 Uhr, Geschw.-Scholl-Pl. 1 (A) - A 015
Übung (E. Heller)
ab Freitag, 05.05.2017, 8:30 - 10 Uhr s.t., Geschw.-Scholl-Pl. 1 (A) - A 015
Vorlesung und Übung werden auf Deutsch gehalten.