Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage...
(1) geeignete generalisierte lineare Methoden anzuwenden um Schätz- und Vorhersagemodelle zu erstellen;
(2) diese auszuwählen und zu validieren
(3) Modellanpassung und Fehler zu beurteilen,
(4) die Programmiersprache R zur Datenanalyse zu verwenden.
Exponentialfamilie
Normale Lineare Modelle
Binäre Variablen
Nominale und ordinale logistische Regression
Count data, Poisson- Regression und loglineare Modelle
In der Vorlesung werden Folien gezeigt und Herleitungen an der Tafel präsentiert. Informationen zur Veranstaltung sowie vorlesungsbegleitende Materialien (Kursfolien, Kursnotizen, Übungen, etc.) sind Tuwel zu entnehmen. Die Angaben zu den Übungsausaufgaben erhalten sie im Kurs und werden auch im Tuwel nach dem jeweiligen Termin bereitgestellt.
Literatur
In der Veranstaltung werden wir die Statistiksoftware R nutzen, welche Sie auf der " R hompage" herunterladen können. Als grafische Benutzeroberfläche bietet sich "RStudio" an.
Die Note setzt sich zusammen aus drei Teilleistungen:
Grundlegende Konzepte in der Wahrscheinlichkeitstheorie, der statistischen Schätz- und Testtheorie und der statistischen Methodik wie in Einführung in die Statistik; Lineare Algebra.