Last edited on 21. October 99 by gs/
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 99
Lehrveranstaltungen der Statistik im WS 1999/00
Für Studierende, die im Wintersemester 1999 mit der Statistik beginnen
wollen, sind die Kursvorlesung
Wahrscheinlichkeitstheorie und die Ergänzungsveranstaltung Einführung in die Datenanalyse und Simulation mit Statistik-Systemen besonders geeignet.
Dozent:
Prof. Dr. D.W. Müller
Zeit und Ort:
Di, Fr 11 - 13 Uhr AM HS 134 ; Übungen, 2. st. n.V.
Beginn:
Dienstag, 19. Oktober 1999
Gebiet:
Angewandte Mathematik/Stochastik /Statistik
- Anmeldung + Scheinerwerb
- Fortsetzung geplant - Themenvergabe
Inhalte:
Gegenstand der Vorlesung sind Statistische Modelle und Verfahren speziell für naturwissenschaftliche Anwendungen. Dargestellt werden einerseits die
klassischen Verfahren des linearen statistischen Modells (Varianzanalyse,
Regressionsanalyse), andererseits nichtparametrische Ansätze
(Residuenanalyse, Bootstrap, Permutationstests). Behandelte Themen sind
u.a.:
das lineare statistische Modell, die multivariate Normalverteilung,
Streuungszerlegung, Varianzanalyse, Chiquadrat- und F-Verteilung,
Trennschärfe von F-Tests, hierarchische und Kreuz-Klassifikation,
Optimalität von F-Tests, das Behrens-Fisher-Problem, Lineare Regression, multiple Vergleiche, Konfidenzbänder, Abweichungen von den
Annahmen des linearen Modells, unvollständige Designs,
Permutationstests, Bootstrap-Verfahren, simultane Schätzung,
Modellwahl, lineare Rangtests, multivariate Statistik.
Die Vorlesung wendet sich an Mathematiker und mathematisch gut vorgebildete Anwender. Sie hat nicht das Ziel, eine Liste von statistischen Rezepten zu erstellen, sondern Gründe zu erläutern.
Literatur:
- Scheffé: The Analysis of Variance .
- Schach, Schäfer: Regressions und Varianzanalyse .
Springer
- Breimann: Statistics. With a view towards application.
- Mardia: Multivariate Analysis
Zielgruppe:
geeignet für Studierende ab dem 4. Semester mit
Studienziel Diplom oder Staatsexamen (Mathematik, Physik, Biowissenschaften).
Voraussetzungen:
Grundvorlesung 'Einführung in die Stochastik',
Lineare Algebra I, Analysis I + II, ein wenig Funktionalanalysis.
Dozent:
Prof. Dr. E. Mammen, Dr. G. Sawitzki
Zeit und Ort:
Do 14-16 Uhr, AM HS 134
Mi 14-16 Uhr u. n. V., AM R. 230
Beginn:
Donnerstag, 21. Oktober 1999
- Anmeldung - Scheinerwerb
- Fortsetzung geplant + Themenvergabe
Inhalte:
Die statistische Kurvenschätzung untersucht funktionale Zusammenhänge zwischen Daten, die verrauscht, d.h. mit stochastischen Fehlern behaftet, sein können. In der klassischen Statistik geschieht dies mittels endlich dimensionaler ("parametrischer") Modelle, etwa des linearen Modelles. In vielen Anwendungen erweisen sich parametrische Modelle jedoch
als zu einschränkend. Für eine flexiblere Modellierung werden Verfahren
vorgeschlagen, die nur davon ausgehen, dass der Zusammenhang zwischen den
Daten durch eine glatte Funktion beschrieben werden kann, ohne weitere
einschränkende parametrische Modelannahmen.
Die Vorlesung führt zunächst in die gebräuchlichen statistischen
Glättungsverfahren ein: Kernschätzer (z. Bsp. Nadaraya-Watson Schätzer),
lokale Polynome, Orthogonalreihenschätzer (z. Bsp. Waveletschätzer),
Glättungssplines. Es werden asymptotische mathematische Methoden
entwickelt, um diese Verfahren zu vergleichen. Weiter werden komplexere
statistische Modelle betrachtet, die nichtparametrische und parametrische Komponenten bzw. mehrere nichtparametrische Komponenten enthalten. Diese Modelle
sind insbesonders für höherdimensionale Daten angebracht, für die
eine voll nichtparametrische Modellierung zu ungenauen statistischen
Schätzungen führen würde. Diskutiert werden insbesonders additive und
partiell additive Modelle und der Backfittingalgorithmus.
Praktische Demonstrationen und Experimente mit neueren Verfahren ergänzen
die Vorlesung.
Literatur:
- J.D. Hart: Nonparametric Smoothing and Lack-of-Fit Tests. Springer Series in Statistics. Springer 1997.
- W. Härdle: Smoothing Techniques with Applications in S. Springer Series in Statistics. Springer 1991.
- J.S. Simonoff: Smoothing Methods in Statistics. Springer Series in
Statistics. Springer 1996.
Zielgruppe:
Studierende mit guten Grundkenntnissen und Interesse an Statistik.
Dozent:
Prof. Dr. E. Mammen
Zeit und Ort:
Mi 9 - 11 Uhr, AM HS -101; mit Üb. 2std., n.V.
Beginn:
20. Oktober 1999
- Anmeldung + Scheinerwerb
+ Fortsetzung geplant - Themenvergabe
Gebiet:
Wahrscheinlichkeitstheorie, Stochastik
Inhalte:
Die Vorlesung gibt einen ersten Einblick in die Finanzmathematik. Behandelt wird insbesonders die Methodik der Preisfestsetzung und Absicherung von Finanzderivaten. In die hierzu nötigen Kenntnisse der stochastischen Analysis wird eine Einführung gegeben. Die Vorlesung wird im nächsten Semester fortgesetzt.
Literatur:
- A. Irle: Finanzmathemathik. Die Bewertung von Derivaten; Teubner 1998.
- R. und E. Korn: Optionsbewertung und Portfolio-Optimierung; Gabler, Vieweg 1999.
Zielgruppe:
Studierende ab dem 5. Semester
Voraussetzung:
Grundvorlesung Stochastik oder Statistik, Kenntnisse aus einer Kursusvorlesung auf dem Gebiet der Statistik oder Wahrscheinlichkeitstheorie sind hilfreich.
Dozent:
Dr. G. Sawitzki
Ort und Zeit:
n.V. - zusätzlich vorauss. Blockkurs nach dem WS.
Erste Sitzung : Mi. 20. Okt, AM Raum 230.
Gebiet:
Statistik/Stochastik/Informatik
- Anmeldung - Scheinerwerb
+ Fortsetzung geplant - Themenvergabe
Inhalte:
Programmiersprachen für statistische Datenanalyse und Simulation,
sowie ihre konkrete Anwendung in Statistik-Systemen. Als Statistik-Sprache
werden dabei die Sprache "S" sowie neuere Entwicklungen im
Vordergrund stehen. Software
steht den Teilnehmern des Kurses zur Verfügung.
Statistische Inhalte:
Erzeugung von Stichproben (
Bernoulli, Binomial, Hypergeom, Gauss, Log-Normal);
Grafik für Verteilungsdiagnostik (
Histogramm, Verteilungsfunktion, P-P-Plot, Normal probability plot,...);
Anpassungstests (
(Chi2, Kolmogoroff-Smirnov);
Regression
(Einfache lineare Regression, extern studentisierte Residuen,
partielle lineare Regression, partielle Residuen);
Vergleichstests (
Einweg-Varianzanalyse,
Wilcoxon-Test);
Kontingenztafeln (
2*2 Kontingenztafeln; Fisher+s exakter Test, Chi2-Test).
Literatur:
- B. Venables et al.: Notes on R. A Programming Environment for
Data Analysis and Graphics.Auckland 1997.
- R. Gentleman: An Introduction to Statistical Computing with
R.Auckland 1995.
- B. Ripley, B. Venables: Modern Applied Statistics with S-Plus.
Springer Series in
Statistics. Springer 1999.
Zielgruppe:
Studierende mit Interesse an Statistik.
Dozent:
Prof. Dr.R. Dahlhaus
Ort und Zeit:
Di 14 - 16 AM HS 134
Vorbesprechungstermin:
s. Aushang
Beginn:
19. Oktober 99
Gebiet:
Statistik
+ Anmeldung + Scheinerwerb
- Fortsetzung geplant - Themenvergabe
Inhalte:
In dem Proseminar sollen u.a. Graphische Modelle in der Statistik, Bayes-Ansätze zur Modellierung mit graphischen Modellen sowie Gibbs-Sampler zur Simulation studiert werden. Außerdem soll die Funktionsweise des Programms BUGS, einem Programm zu diesem Themenkreis, erarbeitet werden.
Literatur:
wird später mitgeteilt.
Voraussetzungen:
Grundvorlesung Statistik
Zielgruppe:
ab 3. Semester
Dozent:
Prof. Dr. D. W. Müller, Dr.G. Sawitzki
Zeit und Ort:
Di 14-16
Vorbesprechung:
Do 1. Juli .99, 14 Uhr s.t., AM Raum 209
Gebiet:
Angewandte Mathematik, Mathematische Statistik
- Anmeldung + Scheinerwerb
+ Fortsetzung geplant + Themenvergabe
Inhalte:
Permutationstests (Randomisierungstests) und ihre Asymptotik.
Literatur:
E. E. Edgington: Randomization Tests. Dekker, 1995
P. Good: Permutation Tests. Springer, 1994
J.P. Romano: Bootstrap and Randomization Tests of some Nonparametric
Hypotheses. Annals of Statistics 17 (1989) 141-151
Weitere Litereatur wird in der Vorbesprechung angegeben
Vorkenntisse:
Grundvorlesung Statistik od. Stochastik,
Zielgruppe:
Studierende mit dem Ziel einer Abschlußarbeit
(Diplom/Staatsexamen) in Statistik
Dozenten:
Dr. G. Sawitzki
Zeit und Ort:
Terminänderung! Mo 9:45 - 11, AM Raum 230
Gebiet:
Angewandte Mathematik, Statistik
, Informatik
- Anmeldung - Scheinerwerb
+ Fortsetzung geplant + Themenvergabe
Inhalte:
In dieser Arbeitsgemeinschaft werden Methoden und
Werkzeuge zur Entwicklung von Software für statistische Simulationen
behandelt. Im Mittelpunkt steht dabei die Entwicklung portabler
(Plattform-unabhängiger) Simulationssysteme.
Literatur:
- W.R. Gilks, S. Richardson and D.J. Spiegelhalter Markov Chain Monte Carlo in Practice, Chapman & Hall 1996
;
- 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)
Dozenten:
Dr. G. Sawitzki
Zeit und Ort:
jeweils 1. Do im Monat, 16-18 Uhr, AM Raum 209
Vorbesprechung:
-
Gebiet:
Angewandte Mathematik, Statistik
- Anmeldung - Scheinerwerb
+ Fortsetzung geplant + Themenvergabe
Inhalte:
Berichte und Diskussion über aktuelle Probleme aus
der statistische Beratung.
Literatur:
-
Vorkenntisse:
Grundvorlesung Statistik od. Stochastik.
Weitergehende Statistik-Kenntnisse sind hilfreich, aber nicht Voraussetzung.
Zielgruppe:
Studenten mittlerer und höherer Semester. Die
Veranstaltung ist auch als Orientierungs-Veranstaltung für Studenten
im mittleren Semester geeignet.
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 Kolloquiumsgäste 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
Dozenten:
R. Dahlhaus, E. Mammen, D.W. Müller
Ort und Zeit:
Do 11 - 13 / 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.
Siehe auch:
Dozent:
Prof. Dr.H. Rost
Ort und Zeit:
Mi, Fr 11-13, AM HS 134; bungen, 2-std., n.V.
Beginn:
20. Oktober 99
Gebiet:
Stochastik
Dozent:
Prof. Dr.R. Dahlhaus
Ort und Zeit:
Di + Do 9-11 AM HS 134, Übungen, 2-std., n.V.
Beginn:
19. Oktober 99
Gebiet:
Wahrscheinlichkeitstheorie, Statistik
- Anmeldung + Scheinerwerb
+ Fortsetzung geplant - Themenvergabe
Inhalte:
Die Vorlesung vermittelt grundlegende Kenntnisse über Maßtheorie,
Wahrscheinlichkeitstheorie und erste Anwendungen in der Statistik. Sie ist
Grundlage für weiterführende Kursvorlesungen über Statistik, die sich
anschließen werden. Inhalte: sigma-Algebra, Maße,
Maßintegrale, Produktmaße, Satz von Radon-Nikodym, bedingte
Wahrscheinlichkeiten und Erwartungswerte, Konvergenzbegriffe für
Zufallsvariable, Starkes Gesetz, zentraler Gernzwertsatz, Martingale,
Brownsche Bewegung, Anwendungen in der Statistik
Literatur:
- Richard Durret: Probability and Examples
- Billingsley, Patrick: Probability and Measure. 2nd Edition, John Wiley and Sons 1986.
- Gänsler, P. und Stute, W.: Wahrscheinlichkeitstheorie, Springer
Verlag 1977.
Voraussetzungen:
Grundvorlesung Statistik oder Stochastik
Zielgruppe:
ab 3. Semester
Dozent:
PD Dr. K. Oelschläger
Zeit und Ort:
Di, Do 9 - 11 AM HS -111 (mit
Übungen 2st. n.V.)
Beginn:
Dienstag, 19. Oktober 1999
Gebiet:
Wahrscheinlichkeitstheorie
- Anmeldung + Scheinerwerb
+ Fortsetzung geplant - Themenvergabe
Inhalte:
Die Familie der stochastischen (d.h. zufälligen) Prozesse (Xt)t > = 0 zerfällt in viele Klassen, die dadurch gekennzeichnet sind, daß die Gültigkeit gewisser Beziehungen zwischen den Zufallsvariablen Xt, t > = 0, gefordert wird. Beispiele derartiger Klassen sind stationäre Prozesse, Markovprozesse, Diffusionsprozesse, Martingale, Punktprozesse,... . In der Vorleseung sollen einige dieser speziellen Prozeßklassen mit ihren besonderen Eigenschaften vorgestellt werden.
Außerdem sollen Fragen der Konvergenz stochastischer Prozesse diskutiert werden.
Literatur:
I. Karatzas, S.E. Shreve: Brownian Motion and Stochastic Calculus, Springer 1988.
Voraussetzungen:
Kursusvorlesung Wahrscheinlichkeitstheorie I
Zielgruppe:
ab 5. Semester
Dozent:
Prof. Dr.H. Rost
Ort und Zeit:
Di 14 - 16, AM HS - 101
Beginn:
19. Oktober 99
Gebiet:
Stochastik
Dozent:
PD Dr. R. Lang
Ort und Zeit:
Fr 14 - 16, AM HS 133
Beginn:
22. Oktober 99
Gebiet:
Stochastik
Wir danken allen Mitarbeitern und Mitarbeiterinnen, die diese Information
zur Verfügung gestellt haben. Zu danken ist auch der Fachschaft
für die Anregung dazu.