107.347 Allgemeine Regressionsmodelle
Diese Lehrveranstaltung ist in allen zugeordneten Curricula Teil der STEOP.
Diese Lehrveranstaltung ist in mindestens einem zugeordneten Curriculum Teil der STEOP.

2020S, VO, 2.0h, 3.0EC

Merkmale

  • Semesterwochenstunden: 2.0
  • ECTS: 3.0
  • Typ: VO Vorlesung

Lernergebnisse

Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage zu (1.) der Bildung von Vorhersagemodellen mittels moderner Regressionverfahren bzw. Verfahren des statistischen Lernens, (2.) der Wahl und Validierung statistischer Lernverfahren, (3.) der Beurteilung der Güte von Modellfit und Fehlern, (4.) der Anwendung des Statistikprogramms R zur modernen Regressions- und  Datenanalyse. 

 

Inhalt der Lehrveranstaltung

Einfache lineare Regression, Multiple Regression, Residualanalyse, Verallgemeinerte lineare Modelle, Nichtparametrische Regression, Penalized Regression, Model Selektion und Dimension Reduktion

Methoden

In der Veranstaltungen werden die Inhalte auf Folien präsentiert und zusätzliche Herleitungen an der Tafel durchgeführt. Sämtliches Kursmaterial, sowie weitere Informationen zum Kurs, wie etwa Übungsaufgaben und Informationen zur Prüfung werden in TUWEL bereit gestellt.       Literatur:  1. Ein Vorlesungsskript von Dr. Gurker (bereit gestellt in TUWEL) 2. Applied Linear Statistical Models , 5th Edition von Kutner et al.;  3. Practical Regression and ANOVA Using R, siehe   ftp://cran.r-project.org/pub/R/doc/contrib/Faraway-PRA.pdf  ;  4. Introduction to Statistical Learning  with applications in R von  James, Witten, Tibshirani & Hastie;  5. Elements of Statistical Learning  von Hastie, Tibshirani & Friedman.

Prüfungsmodus

Schriftlich

Weitere Informationen

 

     

Vortragende

---

Institut

Leistungsnachweis

Die Abschlussprüfung ist schriftlich und umfasst sämtliche im Kurs behandelten Themen.     

LVA-Anmeldung

Von Bis Abmeldung bis
29.01.2020 00:00 31.03.2020 23:59 31.03.2020 23:59

Curricula

StudienkennzahlSemesterAnm.Bed.Info
066 645 Data Science

Literatur

Ein Skriptum zur Lehrveranstaltung ist erhältlich.

Vorkenntnisse

Basic probability and statistics; Linear algebra; Econometrics 1: Linear Models.

Vorausgehende Lehrveranstaltungen

Sprache

Englisch