Statistik I

Lernform Kürzel Gruppengröße Aufwand Kontaktzeit LP Abschluss
Vorlesung -- k.A. 60 (4 SWS) 60 2 PL: Klausur
Übung -- k.A. 30 (2 SWS) 30 1 --
Selbststudium 135 - 4,5 -
Summe - - 225 90 7,5 -
Modulbeauftragte(r): Neuhäuser
Sprache: Deutsch
Turnus: Winter- und Sommersemester
Standort: RAC
Lehrende: Brück, Kinder, Kremer, Kschischo, Neidhardt, Neuhäuser, Wolf
Zwingende Voraussetzungen: keine
Inhaltliche Voraussetzungen: Analysis I und II, Lineare Algebra I, Wahrscheinlichkeitstheorie

Lernziele und Kompetenzen

Beherrschung der deskriptiven statistischen Analysetechniken (Maßzahlen und graphische Darstellungen), Verständnis der Schätzprinzipien (Momente, Maximum Likelihood, Least Squares), Kenntnis der Eigenschaften von Schätzfunktionen, Kenntnis und Anwendung von Prüfverteilungen, Konfidenzintervalle verstehen und interpretieren. Statistischer Test als Entscheidungsverfahren mit Fehlern 1. und 2. Art, Bestimmung des Stichprobenumfangs für 1- und 2-Stichprobenprobleme. Die Studierenden können praktische Probleme mit einer, zwei oder mehreren Stichproben richtig erkennen, Hypothesen formulieren und das zugehörige Testverfahren anwenden. Sie haben grundlegende Fertigkeiten in der Anwendung von R und können anspruchsvolle Sachverhalte an der Tafel präsentieren.

Vorlesungsinhalt

Die Lehrveranstaltungen finden zum Teil am Rechner statt. Deskriptive Statistik (Maßzahlen, graphische Darstellungen), Schätzverfahren (Momentenmethode, Maximum-Likelihood und Kleinste-Quadrate), Eigenschaften von Schätzern. Prüfverteilungen (Chi-Quadrat-, t- und F-Verteilung), Konfidenzintervalle, statistische Tests (Fehler, Power, Stichprobenumfang). Tests für Erwartungswerte (t-Tests), Varianzen (F-Test) und Wahrscheinlichkeiten (Fisher-Exact-Test, Chi-Quadrat-Tests), Rangtests für 2 Stichproben. Einführung in die Kommando-Sprache R am Rechner): Datenstrukturen (Vektoren, Matrizen, Listen, Data Frames), Operationen und mathematische Funktionen, elementare statistische Funktionen.

Literatur

  • Rice, J. Mathematical Statistics and Data Analysis, Wadsworth, Belmont, CA (1995)
  • Toutenburg, H., Induktive Statistik, Springer, Berlin 2000