Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage:

• grundlegende Zähltechniken (Multiplikationsregeln, Kombinationen, Permutationen),
  zur Berechnung von Wahrscheinlichkeiten zu verwenden.
• bedingte Wahrscheinlichkeiten direkt und unter Verwendung des Satzes von Bayes zu berechenen, und auf Unabhängigkeit von Ereignissen zu prüfen.
• diskrete Zufallsvariable zu konstruieren und damit zu arbeiten (insbesondere die Bernoulli, Binomial-, geometrische und Poisson-Verteilung)
• mit kontinuierlichen Zufallsvariablen zu arbeiten (insbesondere die uniforme, Gauß, exponential und Gamma Verteilung).
• mit Momenten zu arbeiten.
• das Gesetz der großen Zahlen und den zentralen Grenzwertsatz anzuwenden.
• deskriptitve Statistiken und Grafiken zu berechnen und zu interpretieren.
• Konfidenzintervalle für Schäzter zu berechnen und zu interpretieren.
• Hypothesentests durchzuführen und zu interpretieren (t-Tests, chi square-tests, Häufigkeiten) und mit dem p-Wert umzugehen.
• Korrelation zu vestehen und zu berechenen.
• Univariate lineare Regressionsmodelle anzupassen.
• die genannten Verfahren anhand der statistischen Software R umzusetzen.

• Wahrscheinlichkeitstheorie: Zählen (Multiplikationsregeln, Permutationen, Kombinatorik),Wahrscheinlichkeiten berechnen, Der Satz von Bayes, diskrete und kontinuierliche Zufallsvariablen, Momenten, Erwartungswert und Varianz, Unabhängigkeit, Korrelation zwischen zwei Zufallsvariablen, zentraler Grenzwertsatz, law of large numbers
• Deskriptive Statistik: elementare Statistiken, numerische Zusammenfassungen, empirische Verteilung, grafische Dartellungen (Histogramme, Boxplots, Streudiagramme). 
• Inferenzstatistik: Konfidenzintervalle für Mittelwert, Hypothesentest (t-Tests, z-Test, chi square-tests, Häufigkeiten), p-Wert für diese Tests.
• Lineare Regression (Korrelation, einfaches lineares Modell, Regressionsgerade). 

Besondere Aufmerksamkeit wird der Verwendung der statistischen Software R gewidmet, um die statistischen Analyseverfahren zu implementieren, die im Kurs abgedeckt werden. Weitere Einzelheiten finden Sie in LV 107.254.

Detaillierte Beschreibung und Plan  sowie alle Ankündigungen und Materialien finden Sie in TUWEL.

Die grundlegenden Konzepte des Kurses werden in den Vorlesungen LV Nr. 107.254 präsentiert, in den Übungsstunden LV Nr. 107.369 werden diese angewendet und vertieft. Die Übungen beinhalten die Lösung von Aufgaben sowie die Verwendung von R für Berechnungen, Simulationen und Visualisierungen. Der Schwerpunkt liegt auf Methoden der deskriptiven und inferentiellen Statistik, Kernkonzepten der Wahrscheinlichkeitstheorie und Implementierung der statistischen Analysemethoden. 

Für Studierende der Informatik.

Teilnahmevoraussetzungen:

1. Registrierung in TISS innerhalb der Registrierungsperiode.

2. Erfolgreicher Abschluss von STEOP.

3. Grundkenntnisse der linearen Algebra and Analysis.

Kurstermine: Bitte beachten Sie, dass am Dienstag, 15.10.2024, 9:00 - 10:15 Uhr im Zoom eine kurze Einführung in R für alle Kursteilnehmer gegeben wird. Die Einzelheiten des Treffens werden in TUWEL verfügbar sein. Die erste Übung findet am Dienstag, 22.10.2024, in Präsenz nach vorgegebenem Gruppenplan statt. Die erste Hausaufgabe wird präsentiert. 

Hinweis: Für einige Timeslots/Gruppen sind zwei Hörsäle reserviert. Nach Abschluss der Gruppenanmeldungen wird dies aktualisiert.

Akademische Integrität: Von den Studierenden dieses Kurses wird erwartet, dass sie den Kodex für akademische Integrität einhalten und sich mit akademischer Ehrlichkeit verhalten. Unter akademischer Unehrlichkeit versteht man Betrug jeglicher Art, einschließlich der falschen Darstellung der eigenen Arbeit, der Anerkennung der Arbeit anderer, ohne sie zu würdigen und ohne entsprechende Genehmigung, sowie die Fälschung von Informationen.

Plagiat: Alle Ihre eingereichten Arbeiten sollten das Ergebnis Ihrer eigenen Überlegungen und Recherchen sein. Wir nehmen Plagiate ernst; Studierende, die beim Plagiieren erwischt werden, werden den Kurs nicht bestehen.

Laufende Leistungskontrolle

Erfolgreicher Abschluss von STEOP. Grundkenntnisse der linearen Algebra and Analysis.