142.090 Statistik
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, den wichtigsten statistischen Verfahren zu verstehen und anzuwenden, die in der Analyse von experimentellen Daten benötigt werden: graphische Darstellung, Berechnung von Maßzahlen, Schätzung von unkannten Parametern, Testen von Hypothesen, Anpassung von linearen Modellen.

 

Das Ziel der Vorlesung ist, die Studierenden mit den wichtigsten statistischen Verfahren vertraut zu machen, die in der Analyse von experimentellen Daten benötigt werden. Ein essentieller Bestandteil der Vorlesung ist die praktische Demonstration der Methoden anhand von echten oder simulierten Datensätzen, die für die experimentelle Praxis typisch sind. Alle verwendeten Rechenverfahren sind in Matlab implementiert und werden den Studierenden zusammen mit den Datensätzen zur Verfügung gestellt.

Inhalt der Lehrveranstaltung

1. Deskriptive Statistik: Wie kann ich meine experimentellen Daten knapp, aber aussagekräftig präsentieren? 2. Stochastische Modellierung: Wie kann ich ein Modell für meine Daten finden, das die zufälligen Komponenten des Experiments korrekt beschreibt, und welche Modelle sind dafür in der Praxis relevant? 3. Parametrische Schätzverfahren, Konfidenzintervalle: Wie kann ich aus meinen Daten physikalische Größen schätzen, und wie kann ich die Unsicherheit meiner Schätzung angeben? 4. Lineare Regression: Besteht ein Zusammenhang zwischen zwei (oder mehr) beobachteten Größen, und wie kann ich ihn quantifizieren? 5. Untergrundmodellierung, Robuste Verfahren: Wie kann ich mein gemessenes Signal vom unvermeidlichen Untergrund abtrennen, und wie kann ich den Einfluss des Untergrunds minimieren? 6. Parametrische und nichtparametrische Tests: Wie kann ich überprüfen, ob meine Daten signifikant von der Theorie abweichen? 7. Simulation: Warum soll ich mein Experiment simulieren und wie gehe ich dabei vor?

Methoden

Praktische Demonstration der Methoden anhand von echten oder simulierten Datensätzen, die für die experimentelle Praxis typisch sind. Alle verwendeten Rechenverfahren sind in Matlab implementiert und werden den Studierenden zusammen mit den Datensätzen zur Verfügung gestellt.

Prüfungsmodus

Schriftlich

Vortragende

Institut

LVA Termine

TagZeitDatumOrtBeschreibung
Do.08:00 - 10:0005.03.2020 - 25.06.2020FH Hörsaal 2 Vorlesung
Mo.08:00 - 10:0022.06.2020FH Hörsaal 7 Zusatztermin für Prüfungsvorbereitung
Statistik - Einzeltermine
TagDatumZeitOrtBeschreibung
Do.05.03.202008:00 - 10:00FH Hörsaal 2 Vorlesung
Do.12.03.202008:00 - 10:00FH Hörsaal 2 Vorlesung
Do.19.03.202008:00 - 10:00FH Hörsaal 2 Vorlesung
Do.26.03.202008:00 - 10:00FH Hörsaal 2 Vorlesung
Do.02.04.202008:00 - 10:00FH Hörsaal 2 Vorlesung
Do.23.04.202008:00 - 10:00FH Hörsaal 2 Vorlesung
Do.30.04.202008:00 - 10:00FH Hörsaal 2 Vorlesung
Do.07.05.202008:00 - 10:00FH Hörsaal 2 Vorlesung
Do.14.05.202008:00 - 10:00FH Hörsaal 2 Vorlesung
Do.28.05.202008:00 - 10:00FH Hörsaal 2 Vorlesung
Do.04.06.202008:00 - 10:00FH Hörsaal 2 Vorlesung
Do.18.06.202008:00 - 10:00FH Hörsaal 2 Vorlesung
Mo.22.06.202008:00 - 10:00FH Hörsaal 7 Zusatztermin für Prüfungsvorbereitung
Do.25.06.202008:00 - 10:00FH Hörsaal 2 Vorlesung

Leistungsnachweis

Schriftliche Prüfung. EIne Formelsammlung von bis zu 8 Seiten ist als Hilsmittel zugelassen. 

LVA-Anmeldung

Nicht erforderlich

Curricula

Literatur


D
ie Folien und das Handout (4 Folien pro Seite) können von den Studierenden heruntergeladen werden.

Als ebenso wichtige Unterlage dient mein ebook "Wahrscheinlichkeitsrechnung und Statistik: Für Studierende der Physik". Es kann kostenlos von

http://bookboon.com/de/wahrscheinlichkeitsrechnung-und-statistik-ebook

heruntergeladen werden.

Für die Prüfung brauchen Sie auch die Tabellen.

Weitere empfohlene Bücher:

>>> Rooch, Statistik für Ingenieure: online in der TU-Bibliothek <<<

L. Lyons, A practical guide to data analysis for physical science students, Cambridge University Press, 1991.

L. Lyons, Statistics for Nuclear and Particle Physicists, Cambridge University Press, 1986.

W. Stahel, Statistische Datenanalyse: Eine Einführung für Naturwissenschaftler, Vieweg+Teubner, 2007.

V. Blobel und E. Lohrmann, Statistische und numerische Methoden der Datenanalyse, Teubner, 1998. L. Fahrmeir et al., Statistik: Der Weg zur Datenanalyse, Springer, 2007.

S. M. Ross, Statistik für Ingenieure und Naturwissenschaftler, Spektrum, 2006.

Vorkenntnisse

Differntial- und Integralrechnung, Grundzüge der linearen Algebra. Matlab-Kenntnisse von Vorteil, aber nicht Voraussetzung

Sprache

Deutsch