Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage
statistische Modelle zu definieren
Suffizienz zu definieren und zu überprüfen
Schätzer und Ihre Eigenschaften zu definieren
Maximum Likelihood- und Momentenschätzer zu konstruieren
den Satz von Cramér-Rao anzuwenden
Konfidenzintervalle zu definieren und für spezielle Verteilungen zu berechnen
Statistische Tests zu definieren
Fehler erster und zweiter Art, Signifikanzniveau und Macht zu definieren
den Satz von Neyman-Pearson zu zitieren
Likelihood-Quotienten-Tests zu konstruieren und ihre asymptotische Verteilung zu bestimmen
Kriterien für die Existenz von gleichmäßig optimalen Tests anzugeben
Varianzanalysen durchzuführen
den Satz von Fisher-Cochran zu zitieren
Lineare Regression zu beschreiben und durchzuführen
Chi-Quadrat und Kolmogorov-Smirnov-Test durchzuführen
Grundlegende Ideen der Bayes-Statistik zu beschreiben
Statistische Modelle, Schätzer, Konfidenzintervalle, Tests, Varianzanalzse, Regression, Anpassungstests, Bayes-Verfahren
Selbststudium mit Skriptum, Fortschrittskontrolle mit Online-Quizzes, Fragen und Feedback via Forum oder Chat
Witting: Mathematische Statistik I
Heyer: Theory of Statistical Experiments
Lehmann: Testing Statistical Hypotheses
Lehmann: Theory of Point Estimation
Ferguson: Mathematical Statistics, a Decision-Theoretic Approach