Allgemeine Information
Prüfungstage Prof. Redenbach:
19. Februar 2024 (vormittags reserviert für Kombiprüfungen Maßtheorie/DGL)
14. März 2024
5. April 2024
18. April 2024
Prüfungstage Dr. Stockis:
15. Februar 2024
21. März 2024
18. April 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
Unsere Arbeitsgruppe bietet im Wintersemester 2023/24 folgende Vorlesungen an:
Mathematical Statistics
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 Voraussetzungen
Lehrveranstaltung „Stochastische Methoden“ aus dem Bachelorstudiengang Mathematik.
Angebotsturnus
Die Vorlesung wird jedes Jahr im Wintersemester angeboten.
[Link ins OLAT]
Übungen zur Vorlesung:
Image Analysis for stochastic structures (Bildanalyse für stochastische Strukturen)
Inhalte
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 / 30 h Vorlesung
2 SWS / 30 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.
Angebotsturnus
Die Vorlesung wird unregelmäßig angeboten.
[Link ins OLAT]
Übungen zur Vorlesung:
Seminar
Unsere Arbeitsgruppe bietet im Wintersemester 2023/24 folgende Seminare an:
Seminar Topological Data Analysis
Inhalte
The seminar will start with an introduction to topological data analysis (TDA). No prior knowledge on TDA is required. Then, we will focus on statistical methods based on TDA in various fields of application.
Registration via URM.
The first meeting for setting up the schedule will take place in the second week of the lecture period.
Kontaktzeit
2 SWS / 30 h Seminar
Angebotsturnus
Die Termine für das Seminar werden noch bekannt gegeben (kein regulärer Termin).
Anmeldung über URM.
[Link ins OLAT]
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.