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)

Ganztägiger Blockkurs vom 18.09. - 22.09.2017

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.

Schätzen und Testen II

Vorlesung und Übung Master 2. Semester


TagZeitOrt
VorlesungMontag14–16A 022
Donnerstag12–14A 017
ÜbungDienstag10–12M 001
TutoriumDonnerstag8–10A 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.

Der Einschreibeschlüssel lautet: StatIISoz17

Der Einschreibeschlüssel lautet: ET17

Der Einschreibeschlüssel lautet: MathErg17

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.
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
  • Dienstag: 12:00 c.t. - 14:00 A 022 (HGB)
  • Mittwoch:* 10:00 c.t. - 12:00 A 022 (HGB)
Gruppe 2
  • Dienstag: 14:00 c.t. - 16:00 A 022 (HGB)
  • Mittwoch:* 08:15 c.t. - 10:00 A 022 (HGB)
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.

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
Tuesday12:00 - 14:00 c.t. Room B 015, Geschwister-Scholl-Platz 1
Lectures / classes
Thursday14:00 - 16:00 c.t.
 Room D Z003, Geschwister-Scholl-Platz 1

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


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.


  • 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.

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

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.

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.

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.


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.

Inhaltsübersicht:

  • 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.