Allgemeine Information
Prüfungstage Prof. Redenbach:
31. Juli 2024
22. August 2024
2. September 2024
11. September 2024
23. September 2024
30. September 2024
10. Oktober 2024
Prüfungstage Dr. Stockis:
31. Juli 2024
28. August 2024
2. Oktober 2024
Die Anmeldung zur Prüfung läuft persönlich über Heike Sternike (Geb. 48, 511). Bitte bringen Sie Ihren Studierendenausweis zur Anmeldung mit.
Unten sind die Vorlesungen aufgelistet, die unsere Arbeitsgruppe im Wintersemester anbietet.
Wenn Sie eine Bachlor- oder Masterarbeit in Statistik schreiben möchten, setzen Sie sich bitte mit Prof. Redenbach in Verbindung.
Vorlesungen im Wintersemester 2024/25
Inhalte:
- Asymptotik von M-Schätzern, insbesondere von Maximum-Likelihood-Schätzern
- Bayes- und Minimax-Schätzer
- Likelihood-Quotienten-Tests: Asymptotik und Beispiele (t-Test, Chi²-Anpassungstest)
- Glivenko-Cantelli-Theorem
- Kolmogorov-Smirnov-Test
- Differenzierbare statistische Funktionale und exemplarische Anwendungen (Herleitung asymptotischer Resultate, Robustheit)
- Resampling-Verfahren am Beispiel des Bootstrap
Kontaktzeit:
4 SWS / 60 h Vorlesung
2 SWS / 30 h Übung
Inhaltliche Vorraussetzungen:
Lehrveranstaltung „Stochastische Methoden“ aus dem Bachelorstudiengang Mathematik.
Angebotsturnus:
Die Vorlesung wird regelmäßig im Sommersemester angeboten.
Inhalte:
- Grundbegriffe aus der Theorie räumlicher Punktprozesse (Markierung, Intensitätsmaß, ...)
- Mehrdimensionaler Poisson-Prozess
- Poisson-Cluster-Prozesse
- Grundbegriffe aus der Theorie zufälliger abgeschlossener Mengen
- Keim-Korn-Modelle, insbesondere das Boolesche Modellzufällige Mosaike
Kontaktzeit:
2 SWS / 30 h Vorlesung
1 SWS / 15 h Übung
Inhaltliche Vorraussetzungen:
Modul „Probability Theory“
Angebotsturnus:
Die Vorlesung wird unregelmäßig angeboten.
Fachpraktika
Themen für Fachpraktika werden auf der Fachpraktikumsbörse zum Ende jedes Semesters vorgestellt.
Reading Course
Der Reading Course dient als Vorbereitung auf die Masterarbeit. Die Themenvergabe erfolgt individuell. Bitte wenden Sie sich an Prof. Redenbach, wenn Sie einen Reading Course in Statistik belegen möchten.
Vorlesungen im Sommersemester 2024
Inhalte:
- Lineare Regressionsmodelle
- Parametrische Kurvenanpassung
- Likelihood-Quotiententests
- Datenadaptive Modellauswahl
- Varianzanalyse (ANOVA)
- Versuchsplanung
- Stationäre stochastische Prozesse
- Autoregressive und ARMA-Prozesse
- Parameterschätzung und Modellauswahl für Zeitreihen
- Trend und Saisonalität
- Prognosen durch exponentielle Glättung und die Box-Jenkins-Methode
- Lineare Filter
Kontaktzeit:
4 SWS / 60 h Vorlesung
2 SWS / 30 h Übung
Inhaltliche Vorraussetzungen:
Kenntnisse im Umfang der Grundlagen der Mathematik 1 und 2.
Angebotsturnus:
Die Vorlesung wird regelmäßig im Sommersemester angeboten.
Inhalte:
- Räumliche Punktprozesse (im R² und R³)
- Punktprozessmodelle (Poissonprozess, Hard-Core- und Clusterprozesse, Gibbs-Prozesse) und ihre Simulation
- Statistische Methoden für Punktprozesse
- Markierte Punktprozesse und Partikelprozesse
Kontaktzeit:
2 SWS / 30 h Vorlesung
Inhaltliche Vorraussetzungen:
Lehrveranstaltung „Praktische Mathematik: Stochastische Methoden“ aus dem Bachelorstudiengang Mathematik. Weiterführende Kenntnisse in Stochastik (z. B. „Time Series Analysis“ oder „Probability Theory“) sind von Vorteil, aber nicht zwingend erforderlich.
Angebotsturnus:
Die Vorlesung wird unregelmäßig angeboten.
Inhalte:
Statistics of Financial Markets:
- Modelle und Schätzverfahren für Finanzzeitreihen (ARCH, GARCH und Verallgemeinerungen), Value-at-Risk
- Copulas und ihre Anwendung im Risikomanagement auf der Grundlage multivariater Daten
Extreme Value Theory:
- Statistische Verfahren zum Schätzen der Wahrscheinlichkeit extremer Ereignisse bzw. von extremen Quantilen
Kontaktzeit:
2 SWS / 30 h Vorlesung
Inhaltliche Vorraussetzungen:
Lehrveranstaltung „Regression and Time Series Analysis“.
Angebotsturnus:
Die Vorlesung wird regelmäßig im Sommersemester angeboten.