Last edited on 1.Nov. 97 by dn/ dn . - Host home page: StatLab Heidelberg
Other home pages: Universität Heidelberg and Fakultät für Mathematik

Willkommen bei der Statistik in Heidelberg!

Informationen zu Forschungprojekten in der Statistik finden Sie über unsere Home-Page.

Im Bereich der Statistik finden regelmäßig Vorträge statt, zu denen auch Studierende eingeladen sind. Aktuelle Informationen finden Sie dazu unter http://www.statlab.uni-heidelberg.de/termine.


Lehrveranstaltungen der Statistik im SS 97

Lehrveranstaltungen der Statistik im WS97/98


Für Studierende, die im Wintersemester 1997 mit der Statistik beginnen wollen, ist die Vorlesung Einführung in die Statistik besonders geeignet.

Einführung in die Statistik (Grundvorlesung)

Dozent:

Prof. Dr. D.W. Müller

Zeit und Ort:

Mi 11 - 13 Uhr, Fr 9 - 11 AM HS 134 ; Übungen n.V.

Beginn:

Mittwoch, 15.Oktober 97

Gebiet:

Angewandte Mathematik/Stochastik /Statistik

       -  Anmeldung             +  Scheinerwerb
- Fortsetzung geplant - Themenvergabe

Inhalte:

Die Vorlesung bietet eine Einführung in die Statistik. Zugleich werden Begriffe und Sätze der Wahrscheinlichkeitsrechnung entwickelt, jedoch nur insoweit diese für die Statistik benötigt werden.

Gegenstand der Statistik ist das Schließen aus beobachteten Daten. Diese sind zufallsbehaftet ; grundlegend sind deshalb einerseits die Modellierung des Beobachtungsprozesses mit Hilfe des Wahrscheinlichkeitsbegriffs (Modelle wie lineare Regression oder Varianzanalyse) und andererseits die Formulierung und mathematische Untersuchung der Auswertungsstrategien (Tests, Schätzverfahren, Konfidenzbereiche). In der Vorlesung steht die Diskussion konkreter Anwendungsbeispiele gegenüber der Systematik im Vordergrund.

Die Übungen behandeln Aufgaben, in denen es vorrangig um mathematische Modellierung, weniger um das Beweisen von Sätzen geht.

Inhaltsüberblick: Wahrscheinlichkeitsbegriff. Elementare Verteilungen. Statistische Schlüsse aus Stichproben. Bedingte Wahrscheinlichkeit und stochastische Unabhängigkeit. Diskrete und kontinuierliche Wahrscheinlichkeitsräume. Erwartungswert und Varianz. Zentraler Grenzwertsatz. Tests, Schätzer, Konfidenzbereiche. Kovarianz, Hauptkomponenten. Anpassungstests. Bedingte Tests. Regression und Varianzanalyse.

Literatur:

Breiman: Statistics - with a view towards applications.
Dinges / Rost : Prinzipien der Stochastik.
Feller: An introduction to probability theory and application.
Krengel: Einführung in die Wahrscheinlichkeitstheorie und Statistik.
Rice: Mathematical Statistics and data analysis.

Ein parallel zur Vorlesung gedrucktes Vorlesungsskript kann im Sekretariat (Zi. 231) erworben werden.

Zielgruppe:

geeignet für Studierende ab dem 3. Semester mit Studienziel Diplom oder Staatsexamen (Mathematik, Physik, Bio- und Wirtschaftswissenschaften).

Voraussetzungen:

Lineare Algebra I, Analysis I + II

Statistik II (Kursusvorlesung)

Dozent:

Prof. Dr. E. Mammen

Zeit und Ort:

Mi 11 - 13, Fr 9 - 11 AM HS - 111 (mit Übungen 2st.)

Beginn:

Mittwoch, 15. Oktober 97

Gebiet:

Angewandte Mathematik, Statistik

       -  Anmeldung             +  Scheinerwerb
- Fortsetzung geplant - Themenvergabe

Inhalte:

Im Rahmen der Statistik werden zwei Kursusvorlesungen angeboten. Während die Vorlesung Statistik I sich der entscheidungstheoretischen Grundlegung der Statistik widmet, soll die Vorlesung Statistik II in die anwendungsorientierte Statistik einführen. Gegenstand der Vorlesung sind zunächst statistische Verfahren der Regressions- und Varianzanalyse (Lineares Modell). Das lineare Modell ist einer der wichtigsten Ansätze der angewandten Statistik und sein Verständnis grundlegend für das Studium anderer Modelle. Als eine neuere Erweiterung wird in der Vorlesung das verallgemeinerte lineare Modell diskutiert, das z. Bsp. die Modellierung diskreter Beobachtungen erlaubt. Weiter werden Glättungsverfahren (Kernschätzer, Splines) der nichtparametrischen Kurvenschätzung studiert sowie einige semiparametrische Modelle.

Literatur:

wird in der Vorlesung angegeben

Zielgruppe:

Studierende ab dem 5. Semester

Voraussetzungen:

Grundkenntnisse in der Stochastik (etwa im Umfang einer Grundvorlesung in Wahrscheinlichkeitstheorie oder Statistik) sowie in der Maßtheorie. Die Kenntnisse in der Maßtheorie können parallel zur Vorlesung angeeignet werden. Wegen des unterschiedlichen Charakters der Vorlesungen wird nicht vorausgesetzt, daß die Vorlesung Statistik I besucht wurde, sodaß die Vorlesung auch für Studierende interessant ist, die vornehmlich an Anwendungen der Statistik interesssiert sind.

Praktikum über lineare und generalisierte lineare Modelle

Dozent:

Dr. G. Sawitzki

Zeit und Ort:

Mi 13:30-16 Uhr und n.V., AM HS -108 (Zugang über die Bibliothek

       -  Anmeldung             +  Scheinerwerb
- Fortsetzung geplant + Themenvergabe

Beginn:

Freitag, 17. Oktober 97

Gebiet:

Angewandte Mathematik, Stochastik

Inhalte:

Anhand von praktischen Untersuchungen und Übungen an konkreten Datensätzen wird in die Datenanalyse mit Hilfe statistischer Programmsysteme eingeführt. Im Mittelpunkt stehen dabei Datenanalyse, Residuenanalyse und Regressionsdiagnostik mit linearen und generalisierten linearen Modellen.

Das Praktikum findet begleitend zur Kursvorlesung Statistik II statt und ist darauf abgestimmt. Bei hinreichenden Vorkenntnissen über lineare und generalisierte lineare Modelle kann das Praktikum jedoch auch unabhängig von der Vorlesung besucht oder durch einzelne Abschnitte der Vorlesung ergänzt werden.

Literatur:

Für die Teilnehmer dieses Kurses ist Material unter http://www.statlab.uni-heidelberg.de/data/linmod/ sowie im den Teilnehmern bekannten ftp-Verzeichnis zugänglich.
R. Gentleman: An Introduction to Statistical Computing Using R. University of Auckland 1996. Siehe auch http://www.statlab.uni-heidelberg.de/mirrors/auckland/R/ .

W.N. Venables, B.D. Ripley: Modern Applied Statistics with S-Plus. Springer: 1997. Siehe auch http://www.stats.ox.ac.uk/pub/MASS2/.

P. Velleman: DataDesk. Data Description 1997. Siehe auch http://www.datadesk.com/DataDesk/

P. Velleman: ActivStats. Addison Wesley 1997. Siehe auch http://www.datadesk.com/ActivStats/index.htm.

Voraussetzungen:

Grundkenntnisse in der Stochastik (etwa im Umfang einer Grundvorlesung in Wahrscheinlichkeitstheorie oder Statistik); Grundkenntnisse in der Rechnerbenutzung.

Zielgruppe:

Studierende ab dem 5. Semester mit Fach Mathematik oder Studierende anderer Fachrichtungen im höheren Semester mit Interesse an praktischer Statistik.

Nichtparametrische Statistik (Spezialvorlesung)

Dozent:

Dr. L. Dümbgen

Zeit und Ort:

Mo 9 - 11 Uhr, AM HS -111

       -  Anmeldung             +  Scheinerwerb
- Fortsetzung geplant + Themenvergabe

Beginn:

Mittwoch, 15.Oktober 97

Gebiet:

Angewandte Mathematik, Stochastik

Inhalte:

Die Spezialvorlesung behandelt Fragen nach der Optimalität von nichtparametrischen Schätzern, Tests und Konfidenzbereichen. Für die Vorlesung benötigt man Grundkenntnisse der Statistik und der empirischen Prozesse. Ein Vorlesungsskriptum zu letzterem Gebiet ist vorhanden.

Literatur:

Ein Vorlesungsskriptum steht zur Verfügung.

Zielgruppe:

Studierende, die sich in Statistik spezialisieren.

Statistik (Seminar)

Dozent:

Prof. Dr. R. Dahlhaus. Prof. Dr. E. Mammen, Dr. W. Polonik

Zeit und Ort:

Do 11 - 13 Uhr, AM HS - 101

Beginn:

Donnerstag, 16.Oktober 97

Gebiet:

Angewandte Mathematik, Mathematische Statistik

       -  Anmeldung             +  Scheinerwerb
- Fortsetzung geplant + Themenvergabe

Inhalte:

Gegenstand des Seminares sind einige statistische Anwendungen in der
Molekularbiologie. Die Vorträge sind zum großen Teil dem Buch Speed und Waterman (1996) entnommen. Das mathematische und statistische Niveau dieser Arbeiten ist recht einfach. Dennoch bieten diese Artikel unter einem statistischen Gesichtswinkel einen recht guten Einblick in einige aktuelle Entwicklungen der Molekularbiologie.

Literatur:

Speed, T. und Waterman, M. S. (Hg.): Genetic Mapping and DNA Sequencing. Springer 1996.

Kolloquium über Statistik

Dozenten:

R. Dahlhaus, E. Mammen, D.W. Müller

Zeit und Ort:

Do 16 - 18 / AM HS 134

Gebiet:

Angewandte Mathematik, Statistik
       -  Anmeldung             -  Scheinerwerb
+ Fortsetzung geplant + Themenvergabe

Inhalte:

Hier tragen normalerweise Koloquiumsgäste oder Mitarbeiter und Dozenten über ihre Forschung vor. Wer mit dem Gedanken spielt, sich in Richtung Statistik zu spezialisieren, kann sich hier als Zuhörer orientieren.

Zielgruppe:

allgemein ab 6. Semester

Ausgewählte Kapitel aus der Mathematischen Statistik (Oberseminar)

Dozenten:

R. Dahlhaus, E. Mammen, D.W. Müller

Ort und Zeit:

Do 9 - 11 / AM HS 101

Gebiet:

Angewandte Mathematik, Statistik
       -  Anmeldung             -  Scheinerwerb
+ Fortsetzung geplant + Themenvergabe

Inhalte:

Aktuelle Entwicklungen der Mathematischen Statistik.

Zielgruppe:

allgemein ab Hauptstudium. Alle Studierenden, die eine Diplomarbeit in Statistik erwägen oder beabsichtigen, sich in Statistik zu spezialisieren, sind zu dem Oberseminar herzlichst eingeladen.

Statistisches Praktikum (Seminar)

Dozent:

Prof. Dr. D. W. Müller

Ort und Zeit:

AM HS 133 , Di 14 - 16 , Do 14 - 16 ; Beginn: Dienstag 14. Oktober

Gebiet:

Statistik / AM
       +  Anmeldung             +  Scheinerwerb
- Fortsetzung geplant + Themenvergabe

Inhalte:

Statistische Methoden zum Vergleich von Behandlungen unter Berücksichigung von zusätzlichen Einflussfaktoren , insbesondere nich-parametrische Methoden. Dabei soll auch auf algorithmisch definierte und computerintensive Methoden eingegangen werden.
Arbeitsweise : In kleinen Gruppen werden praktische Probleme bearbeitet oder Simulationen erstellt. Zum theoretischen Hintergrund Einzelvorträge.

Literatur

Datensätze

Weitere Informationen bei G. Sawitzki (INF 294, Raum 230, Tel: 06221 / 54-8979)

Voraussetzungen:

Gute Kenntisse in Statistik

Zielgruppe:

Studierende aller Fachrichtungen ab dem 5. Semester

Software-Praktikum Computational Statistics (Praktikum für Fortgeschrittene)

Dozent:

Dr. G. Sawitzki

Ort und Zeit:

AM R 230 , Mi 10 - 12 u.n.V. Beginn: Mo. 13. Oktober

Gebiet:

Statistik/Informatik
       +  Anmeldung             +  Scheinerwerb
+ Fortsetzung geplant - Themenvergabe

Inhalte:

Rechenintensive Methoden in der Statistik, insbesondere interaktive graphische Datenanalyse; Software-Entwicklung (Entwurf, Implementierung und Evaluation) unter besonderer Berücksichtigung der Anforderungen im "Statistical Computing".

Literatur:

P.Dirschedl & R.Ostermann (eds.) Computational Statistics. Papers collected on the Occasion of the 25th Conference on Statistical Computing at Schloss Reisensburg. Heidelberg, Physica, 1994, ISBN 3-7908-0813-X.

Aktuelle Literatur aus Zeitschriften, insbesondere
Journal of Computational and Graphical Statistics
Computational Statistics and Data Analysis
Journal of the American Mathematical Society

Siehe auch http://www.statlab.uni-heidelberg.de/.

Zielgruppe:

Studierende mittlerer und höherer Semester mit Interesse an Statistik und Informatik.

Voraussetzungen:

Gute Grundkenntnisse in Statistik, Kenntnisse in mindestens einer höheren Programmiersprache, Kenntnisse in der Rechnerbenutzung.
Beschränkte Teilnehmerzahl. Anmeldung ist erforderlich. Anmeldung und weitere Information bei G. Sawitzki (INF 294, Raum 230, Tel: 06221 / 54-8979)

Siehe auch:


Maßtheorie, 2st.

Dozent:

M. Leinert

Ort und Zeit:

Mo 14 - 16, AM HS -101

Beginn:

13. Oktober 97

Wahrscheinlichkeits- und Maßtheorie, 4st.

Dozent:

Dr. M. Mürmann

Ort und Zeit:

Di 11 - 13, Fr 11 - 13 AM HS 134

Beginn:

14. Oktober 97

Gebiet:

Stochastik
       -  Anmeldung             +  Scheinerwerb
+ Fortsetzung geplant + Themenvergabe

Inhalte:

Die Wahrscheinlichkeitstheorie lebt aus dem Zusammenwirken von stochastischer Denkweise und abstrakter mathematischer Theorie auf der Grundlage der Maßtheorie. Die Grundvorlesung machte in erster Linie mit dem ersten Aspekt vertraut. In dieser Vorlesung liegt das Schwergewicht auf der Theorie. Maßtheorie wird nicht als Selbstzweck, sondern in Zusammenhang mit der Wahrscheinlichkeitstheorie behandelt. Neben den allgemeinen Grundlagen stehen Grenzwertsätze (starkes Gesetz der großen Zahlen, schwache Konvergenz, zentraler Grenzwertsatz) im Vordergrund.

Literatur:

Billingsley: Probability and Measure, 3rd ed., New York, John Wiley & Sons, 1995
weitere Literatur wird in der Vorlesung genannt.

Voraussetzungen:

Grundvorlesung "Stochastik" oder "Statistik".

Zielgruppe:

geeignet für Studierende ab dem 3. Semester mit Studienziel Diplom oder Staatsexamen (Mathematik, Physik, Bio- und Wirtschaftswissenschaften).

Risikotheorie (Seminar)

Dozenten:

Dr. M. Mürmann, Dr. L. Dümbgen

Ort und Zeit:

Mo 14 - 16 (vorläufig), AM HS 133

Beginn:

13. Oktober 97

Gebiet:

Stochastik
       +  Anmeldung             +  Scheinerwerb
- Fortsetzung geplant - Themenvergabe

Inhalte:

Die Risikotheorie ist ein wesentliches Teilgebiet der Versicherungsmathematik. Es wird der Zeitverlauf von Schadensfällen und ~beträgen modelliert. Ziel dieser Betrachtungen ist unter anderem die Bestimmung von Prämien sowie die Abschätzung von Ruinwahrscheinlichkeiten.

Literatur:

H. U. Gerber (1979): An Introduction to Mathematical Risk Theory, S. S. Huebner Foundation, Philadelphia
H. Bühlmann (1970): Mathematical Methods in Risk Theory. Springer, New York
P. Embrechts, C. Klüppelberg and T. Mikosch (1997): Modelling Extremal Events. Springer, Berlin - Heidelberg

Voraussetzungen und Zielgruppe:

Das Seminar richtet sich an Studenten mit Kenntnissen in Wahrscheinlichkeitstheorie. Es behandelt das Buch "An Introduction to Mathematical Risk Theory " von H.U. Gerber ab Kapitel 4. Die notwendigen Grundlagen der Wahrscheinlichkeitstheorie werden in den Kapiteln 1-3 zusammengefaßt. Vortragsthemen können schon in der vorlesungsfreien Zeit vereinbart werden.
S(A)

Probabilistische Methoden in der mathematischen Physik, 2st.

Prof. Dr. H. Rost, Dr. M. Soloveitchik
n.V.

Einführung in die Programmiersprache Oberon (für Pascal-Programmierer) (Ergänzungsveranstaltung)

Dozent:

Dr. G. Sawitzki

Ort und Zeit:

Kompakt-Kurs Di, Do 14-16 Beginn: Di., 21. Okt.
AM -108 (Zugang durch die Bibliothek)

Gebiet:

Informatik
        + Anmeldung             + Scheinerwerb
        + Fortsetzung geplant   - Themenvergabe

Inhalte:

Oberon 2 ist eine von N. Wirth neu entwicklete objekt-orientierte Programmiersprache für den allgemeinen Gebrauch, die Pascal und Modula ablöst. Als Programmiersprache ist Oberon besonders klar und leicht erlernbar. Sie repräsentiert die Grundkonzepte moderner Programmiersprachen (Block-Struktur, Modularität, sichere Datentypen).
Oberon ist besonders geeignet, die für die Entwicklung von objekt-orientierten Programmen notwendigen Entwurfs-Techniken (program design) systematisch kennen zu lernen.
Oberon-Compiler für alle wesentlichen Rechnertypen und Material für Eigenstudium können den Teilnehmern zur Verfügung gestellt werden. Siehe auch http://www.statlab.uni-heidelberg.de/projects/oberon/.

Literatur:

Ein Skriptum ist in http://www.statlab.uni-heidelberg.de/projects/oberon/kurs/.
M. Reiser, N. Wirth: Programmieren in Oberon. Addison-Wesley 19 94, ISBN 3-89319-657-9
M. Reiser: The Oberon System. Addison-Wesley 1991. ISBN 0 201 54422 9 PBK (Benutzerführer für die Oberon-Programmierumgebung und Referenz für die Standard-Bibliothek)
J. Templ. Oberon 2. (CD-Version) Addison-Wesley 1995. ISBN 3-89319-886-5.

Zielgruppe:

Studierende aller Studienabschnitte mit Interesse an Informatik.

Voraussetzungen:

Für diesen Kurs sind Pascal- oder Modula-Kenntnisse Voraussetzung.

Beschränkte Teilnehmerzahl. Anmeldung ist erforderlich. Anmeldung und w eitere Information:

G. Sawitzki, T. 54 89 79

Wir danken allen Mitarbeitern und Mitarbeiterinnen, die diese Information zur Verfügung gestellt haben. Zu danken ist auch der Fachschaft für die Anregung dazu.