Allgemeine Information
Prüfungstage Prof. Dr. Redenbach:
04.03.2026
26.03.2026
15.04.2026
Prüfungstage Dr. Stockis:
10.02.2026
04.03.2026
31.03.2026
Die Anmeldung zur Prüfung hat persönlich bei Fr. Huixia Lin-Jablonski (Geb. 48, 535) zu erfolgen. 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 Sommersemester 2026
Inhalt:
- 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 / 50 h Vorlesungen
2 SWS / 54 h Übung
Inhaltliche Voraussetzungen:
Grundkenntnisse in Wahrscheinlichkeitsrechnung und Statistik, z.B. "Praktische Mathematik: Stochastische Methoden"
Angebotsturnus:
Die Vorlesung wird regelmäßig im Sommersemester angeboten.
Inhalt:
Verarbeitung und statistische Analyse dreidimensionaler Bilddaten, insbesondere:
- Zufällige abgeschlossene Mengen und ihre Charakteristiken,
- Diskretisierung und dreidimensionaler Zusammenhang,
- Mathematische Morphologie,
- Methoden der Bildverarbeitung: Filter, Segmentierung, Euklidische Distanztransformation, Labelling, Wasserscheidentransformation,
- Schätzung geometrischer Charakteristiken für zufällige abgeschlossene Mengen aus Bilddaten.
Kontaktzeit
2 SWS / 26 h Vorlesungen
2 SWS / 26 h Übung/Praktikum
Inhaltliche Voraussetzungen
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.
Vorlesungen im Wintersemester 2025/26
Inhalt:
- 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
- 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 Voraussetzungen:
Elementary Probability Theorie und Statistik (z. B. Praktische Mathematik: Stochastik).
Angebotsturnus:
Die Vorlesung wird regelmäßig im Wintersemester 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.