AG Statistik


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.

Wichtige Links

  • KIS: Termine der Veranstaltungen
  • OpenOLAT: Kursmaterialien und weitere Informationen (Zugangscodes erhalten Sie in der ersten Vorlesung)

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 KIS]

[Link ins OLAT]

Übungen zur Vorlesung:

 [Link ins KIS]

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 KIS]

[Link ins OLAT]

Übungen zur Vorlesung:

[Link ins KIS]

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 KIS]

[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.

Zum Seitenanfang