SS17

Gastschlüssel: saskurs2017

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.

Der Einschreibeschlüssel lautet: ET17

Termine - Vorlesung

Termine - Übungen

Termine - Tutorium

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.

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

• 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.

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.

Topics:

1. Overview
2. ARMA processes
3. Estimation
4. Prediction
5. Structural analysis
6. Modeling nonstationary time series
7. Modeling time-varying parameters
8. 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.