Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage

• die Maximum-Likelihood Schätzmethode und asymptotische Resultate zu erklären,
• Modelle für Individualdaten zu erläutern und passende Modelle je nach Datenlage und Aufgabenstellung auszuwählen,
• ML Schätzmethoden anzuwenden und die Ergebnisse zu analysieren und zu interpretieren.

Übungen zur gleichnamigen Vorlesung. 

Reine Kreuzerlübung.

Die gelösten Beispiele sind im TUWEL zu markieren. Notenschlüssel:

• 1: > 80%
• 2: > 70%
• 3: > 60%
• 4: > 50%

Grundkenntnisse in linearer Algebra, Wahrscheinlichkeitstheorie und Statistik, sowie grundlegende Ökonometrie (lineare Regressionsmodelle).