WiSe 21/22: Statistics for Data Science
Henri Elad Altman
Kommentar
Dieser Kurs dient als Einführung in die grundlegenden Aspekte der modernen statistischen Datenanalyse. Frequentistische und Bayes'sche Inferenz werden aus der Perspektive der probabilistischen Modellierung vorgestellt. Der Kurs besteht aus drei Teilen:
1) Grundlagen Wahrscheinlichkeitstheorie: Wahrscheinlichkeitsräume, Zufallsvariable, Verteilung einer Zufallsvariablen, Erwartungswert u. Kovarianz, wichtige Grenzwertsätze u. Ungleichungen
2) Frequentist inference: point estimators, confidence intervals, hypothesis testing.
3) Bayesian inference: conjugate inference, numerical models, data assimilation.
Voraussetzungen:
_Grundlagen Mengenlehre (Teilmenge, Verinigung- u. Schnittmenge, Differenz)
_Grundlagen Anlysis (unendliche Reihen, Infinitesimalrechnung)
_Matrixalgebra
_Grundkenntnisse in Wahrscheinlichkeitstheorie (Diskrete Wahrscheinlichkeitstheorie, Gauss-Verteilung) wären hilfreich.
Literatur:
_ "All of Statistics, a concise course in statistical inference", Larry Wasserman
_ "Probability and statistics, 4th edition", DeGroot and Schervish
_ "Bayesian Theory", José M. Bernardo, Adrian F.M. Smith
_ « Applied Statistical inference, likelihood and Bayes », Leonhard Held and Daniel Sabanés Bové
_ « Probabilistic forecasting and Bayesian Data Assimilation », Sebastian Reich and Colin Cotter
Details finden sich auf Webseite der vorherigen Durchführung.
Schließen16 Termine
Zusätzliche Termine
Di, 22.02.2022 08:00 - 10:00Regelmäßige Termine der Lehrveranstaltung