Lehre am Institut für Statistik

In unseren Veranstaltungen lernen Sie statistische Methoden kennen, mit denen Sie selbstständig Daten anaylsieren und geeignete Lösungen erarbeiten können.

 

In den vertiefenden Kursen stellen wir darüber hinaus komplexere statistische Verfahren vor, sodass Sie am Ende Ihres Studiums in der Lage sein sollten, eigene statistische Methoden zu entwickeln und diese selbstständig weiter auszubauen.

 

 

In unseren Veranstaltungen lernen Sie statistische Methoden kennen, mit denen Sie selbstständig Daten anaylsieren und geeignete Lösungen erarbeiten können.

 

In den vertiefenden Kursen stellen wir darüber hinaus komplexere statistische Verfahren vor, sodass Sie am Ende Ihres Studiums in der Lage sein sollten, eigene statistische Methoden zu entwickeln und diese selbstständig weiter auszubauen.

 

 

UNSERE LEHRVERANSTALTUNGEN IM AKTUELLEN SEMESTER

  • Sommersemester 2020

    Bachelor Wirtschaftswissenschaft, PO 2017

    Statistik

    • Schließende Statistik (270158)

      Termine:Lehrpersonen:
      Mi. 14:30 - 16:00 in VII-201 (Gruppe 1)Sibbertsen
      Do. 11:00 - 12:30 in VII-002 (Gruppe 2)Lehne

      Inhalt:

      • Normalverteilung
      • Binomialverteilung
      • Stichproben
      • Punktschätzung
      • Intervallschätzung
      • Statistische Tests
      • Regressionsanalyse

      Literatur:

      • Sibbertsen, P./Lehne, H. (2014) Statistik, 2. Auflage, Berlin.
      • Fahrmeir, L. et al. (2004) Statistik, 5. Auflage Berlin.
      • Schlittgen, R. (2003) Einführung in die Statistik, 10. Auflage München.
    • Übung zu Schließende Statistik (270159)

      Termine:Lehrpersonen:
      Di. 07:30 - 09:00 in VII-201 (Gruppe 1)Sibbertsen
      Di. 07:30 - 09:00 in VII-002 (Gruppe 2)Lehne
    • Tutorium zu Schließende Statistik (270031)

      Termine:Lehrpersonen:
      Mo. 09:15 - 10:45 in VII-004 (Gruppe 1)Tutor
      Mo. 09:15 - 10:45 in I-332 (Gruppe 2)Tutor
      Mo. 12:45 - 14:15 in VII-004 (Gruppe 3)Tutor
      Mo. 12:45 - 14:15 in I-332 (Gruppe 4)Tutor
      Mo. 14:30 - 16:00 in I-442 (Gruppe 5)Tutor
      Mo. 14:30 - 16:00 in I-332 (Gruppe 6)Tutor
      Mo. 16:15 - 17:45 in I-332 (Gruppe 7)Tutor
      Di. 09:15 - 10:45 in III-115 (Gruppe 8)Tutor
      Di. 11:00 - 12:30 in I-063 (Gruppe 9)Tutor
      Di. 14:30 - 16:00 in I-332 (Gruppe 10)Tutor
      Di. 14:30 - 16:00 in III-115 (Gruppe 11)Tutor
      Di. 16:15 - 17:45 in I-063 (Gruppe 12)Tutor
      Mi. 09:15 - 10:45 in III-115 (Gruppe 13)Tutor
      Mi. 12:45 - 14:15 in III-115 (Gruppe 14)Tutor
      Mi. 12:45 - 14:15 in I-063 (Gruppe 15)Tutor
      Mi. 16:15 - 17:45 in I-332 (Gruppe 16)Tutor
      Mi. 16:15 - 17:45 in I-063 (Gruppe 17)Tutor
      Do. 09:15 - 10:45 in I-342 (Gruppe 18)Tutor
      Do. 09:15 - 10:45 in VII-005 (Gruppe 19)Tutor
      Do. 12:45 - 14:15 in I-063 (Gruppe 20)Tutor
      Do. 14:30 - 16:00 in VII-005 (Gruppe 21)Tutor
      Do. 14:30 - 16:00 in I-332 (Gruppe 22)Tutor
      Fr. 09:15 - 10:45 in I-342 (Gruppe 23)Tutor
      Fr. 11:00 - 12:30 in I-442 (Gruppe 24)Tutor

      Bemerkungen:

      Bereitschaft zur aktiven Mitarbeit wird erwartet. Die Anmeldung zu den Tutoriumsgruppen erfolgt ab Mo. 20.04.2020, 09:00 Uhr über Stud.IP.

    Kompetenzbereiche Betriebs- und Volkswirtschaftslehre

    • Seminar Ökonometrie (273002)

      Termine:Lehrpersonen:
      Blockveranstaltung (Gruppe 1)Sibbertsen
      (Gruppe 2)Flock, Less

      Inhalt:

      Thema des Seminars im Wintersemester 2018/2019 ist "Regressionsanalyse"

      Bemerkungen:

      Das Seminar wird als Blockveranstaltung durchgeführt. Nähere Angaben zur Themenvergabe und zum Zeitpunkt der Veranstaltung werden auf der Internetseite des Instituts für Statistik bekannt gegeben.

      Prüfer: Prof. Dr. Sibbertsen

      Link:

      Seminar-Steckbrief

    Bachelor Wirtschaftswissenschaft, PO 2012

    Ökonometrie und Statistik

    • Time Series Analysis (172403)

      Termine:Lehrpersonen:
      Mi. 07:30 - 09:00 in I-342Sibbertsen

      Inhalt:

      • Stationarity
      • Autoregressive und Moving Average Models
      • Non-Stationarity
      • Forecasting
      • Spectral Analysis
      • Long Memory Time Series.

      Literatur:

      Hamilton, J. D. (1994): Time Series Analysis, Princeton.

      Schlittgen, R., Stritberg, H. J. (2003): Zeitreihenanalyse, Oldenbourg

    • Computer Exercises in Time Series Analysis (172416)

      Termine:Lehrpersonen:
      Di. 09:15 - 10:45 in II-214Wingert

      Inhalt:

      Exercise for the course Time Series Analysis, where analytical exercises are solved and methods from the lecture are applied to the computer. Only the programming language R is used.

    • Multivariate Statistics (172405)

      Termine:Lehrpersonen:
      Do. 12:45 - 14:15 in I-332Kolaiti

      Inhalt:

      • Short overview of Matrix and Vector Algebra
      • Multivariate descriptive statistics
      • Multivariate normaldistribution
      • Multivariate analysis of variance
      • Introduction to data analysis
      • Discriminant Analysis and Classification
      • Cluster Analysis
      • Principal Components Analysis and Factor Analysis.

      Literatur:

      • Izenman, A. J. (2008). Modern multivariate statistical techniques. Regression, classification and manifold learning.
      • Johnson R. A. and Wichern D. W., (2007), Applied Multivariate Statistical Analysis. 6th edition. New Jersey: Pearson.
      • Krzanowski, W. (2000). Principles of multivariate analysis (Vol. 23). OUP Oxford.
      • Rencher, A. C. and Christensen W. F. (2012). Methods of multivariate analysis.3rd edition. John Wiley & Sons.
    • Nonparametric Statistical Methods (172412)

      Termine:Lehrpersonen:
      Mo. 09:15 - 10:45 in I-063Mboya

      Inhalt:

      • Kernel density estimation
      • Nonparametric regression
      • Semiparametric methods
      • Machine learning

      Literatur:

      • Härdle, W. (1992) Applied Nonparametric Regression, Cambridge University Press.
      • Henderson, D. J., Parmeter, C. F. (2015) Applied Nonparametric Econometrics, Cambridge University Press.
      • Li, Q., Racine, J. S. (2007) Nonparametric Econometrics, Princeton University Press.
      • Pagan, A., Ullah A. (1999): Nonparametric Econometrics, Cambridge University Press.
      • Friedman, J., Hastie, T., Tibshirani, R., (2001): The Elements of Statistical Learning, Springer.
    • Statistical Programming (172414)

      Termine:Lehrpersonen:
      Do. 14:30 - 16:00 in II-214Flock

      Inhalt:

      • Data Structures
      • Functions and Loops
      • Handling Data
      • Graphics
      • Linear Regression
      • Numerical Optimization
      • Monte Carlo Methods

      Literatur:

      • Ligges (2007) Programmieren mit R, Berlin, Springer.
      • Braun / Murdock (2007) A first course in statistical programming with R, Cambridge University Press.
      • Rizzo (2008) Statistical Computing with R, Chapman & Hall.

    Master Wirtschaftswissenschaft, PO 2018

    Area Empirical Economics and Econometrics

    • Statistical Programming (373005)

      Termine:Lehrpersonen:
      Do. 14:30 - 16:00 in II-214Flock

      Inhalt:

      • Data Structures
      • Functions and Loops
      • Handling Data
      • Graphics
      • Linear Regression
      • Numerical Optimization
      • Monte Carlo Methods

      Literatur:

      • Ligges (2007) Programmieren mit R, Berlin, Springer.
      • Braun / Murdock (2007) A first course in statistical programming with R, Cambridge University Press.
      • Rizzo (2008) Statistical Computing with R, Chapman & Hall.
    • Nonparametric Statistical Methods (373010)

      Termine:Lehrpersonen:
      Mo. 09:15 - 10:45 in I-063Mboya

      Inhalt:

      • Kernel density estimation
      • Nonparametric regression
      • Semiparametric methods
      • Machine learning

      Literatur:

      • Härdle, W. (1992) Applied Nonparametric Regression, Cambridge University Press.
      • Henderson, D. J., Parmeter, C. F. (2015) Applied Nonparametric Econometrics, Cambridge University Press.
      • Li, Q., Racine, J. S. (2007) Nonparametric Econometrics, Princeton University Press.
      • Pagan, A., Ullah A. (1999): Nonparametric Econometrics, Cambridge University Press.
      • Friedman, J., Hastie, T., Tibshirani, R., (2001): The Elements of Statistical Learning, Springer.
    • Multivariate Statistics (373011)

      Termine:Lehrpersonen:
      Do. 12:45 - 14:15 in I-332Kolaiti

      Inhalt:

      • Short overview of Matrix and Vector Algebra
      • Multivariate descriptive statistics
      • Multivariate normaldistribution
      • Multivariate analysis of variance
      • Introduction to data analysis
      • Discriminant Analysis and Classification
      • Cluster Analysis
      • Principal Components Analysis and Factor Analysis.

      Literatur:

      • Izenman, A. J. (2008). Modern multivariate statistical techniques. Regression, classification and manifold learning.
      • Johnson R. A. and Wichern D. W., (2007), Applied Multivariate Statistical Analysis. 6th edition. New Jersey: Pearson.
      • Krzanowski, W. (2000). Principles of multivariate analysis (Vol. 23). OUP Oxford.
      • Rencher, A. C. and Christensen W. F. (2012). Methods of multivariate analysis.3rd edition. John Wiley & Sons.
    • Seminar Applied Econometrics (373016)

      Termine:Lehrpersonen:
      BlockveranstaltungKolaiti, Mboya

      Inhalt:

      The seminar will be on "Time Series Econometrics"

      Bemerkungen:

      Further Information about the seminar can be found on the website of the Institute for Statistics.

      Prüfer: Prof. Dr. Sibbertsen

      Link:

      Seminar-Steckbrief

    Mehrere Areas

    • Time Series Analysis (379016)

      Termine:Lehrpersonen:
      Mi. 07:30 - 09:00 in I-342Sibbertsen

      Inhalt:

      • Stationarity
      • Autoregressive und Moving Average Models
      • Non-Stationarity
      • Forecasting
      • Spectral Analysis
      • Long Memory Time Series.

      Literatur:

      Hamilton, J. D. (1994): Time Series Analysis, Princeton.

      Schlittgen, R., Stritberg, H. J. (2003): Zeitreihenanalyse, Oldenbourg

    • Computer Exercises in Time Series Analysis (379017)

      Termine:Lehrpersonen:
      Di. 09:15 - 10:45 in II-214Wingert

      Inhalt:

      Exercise for the course Time Series Analysis, where analytical exercises are solved and methods from the lecture are applied to the computer. Only the programming language R is used.

    Forschungsveranstaltungen

    • Finance Research Seminar (77782)

      Termine:Lehrpersonen:
      Mi. 11:00 - 12:30 in I-063Dierkes, Dräger, Prokopczuk, Sibbertsen

      Inhalt:

      External guests present their latest research

    • Kolloquium Innovation und Lernen (77787)

      Termine:Lehrpersonen:
      BlockveranstaltungBlaufus, Dierkes, Dräger, Gassebner, Gnutzmann-Mkrtchyan, Haunschild, Prokopczuk, Ridder, Schnitzlein, Schöndube, Schröder, Sibbertsen, Weber, Wielenberg

      Inhalt:

      Im Kolloquium werden Forschungsprojekte im Rahmen des Forschungsschwerpunkts "Innovation und Lernen" vorgestellt.

    Bachelor Wirtschaftswissenschaft, PO 2017

    Statistik

    • Schließende Statistik (270158)

      Termine:Lehrpersonen:
      Mi. 14:30 - 16:00 in VII-201 (Gruppe 1)Sibbertsen
      Do. 11:00 - 12:30 in VII-002 (Gruppe 2)Lehne

      Inhalt:

      • Normalverteilung
      • Binomialverteilung
      • Stichproben
      • Punktschätzung
      • Intervallschätzung
      • Statistische Tests
      • Regressionsanalyse

      Literatur:

      • Sibbertsen, P./Lehne, H. (2014) Statistik, 2. Auflage, Berlin.
      • Fahrmeir, L. et al. (2004) Statistik, 5. Auflage Berlin.
      • Schlittgen, R. (2003) Einführung in die Statistik, 10. Auflage München.
    • Übung zu Schließende Statistik (270159)

      Termine:Lehrpersonen:
      Di. 07:30 - 09:00 in VII-201 (Gruppe 1)Sibbertsen
      Di. 07:30 - 09:00 in VII-002 (Gruppe 2)Lehne
    • Tutorium zu Schließende Statistik (270031)

      Termine:Lehrpersonen:
      Mo. 09:15 - 10:45 in VII-004 (Gruppe 1)Tutor
      Mo. 09:15 - 10:45 in I-332 (Gruppe 2)Tutor
      Mo. 12:45 - 14:15 in VII-004 (Gruppe 3)Tutor
      Mo. 12:45 - 14:15 in I-332 (Gruppe 4)Tutor
      Mo. 14:30 - 16:00 in I-442 (Gruppe 5)Tutor
      Mo. 14:30 - 16:00 in I-332 (Gruppe 6)Tutor
      Mo. 16:15 - 17:45 in I-332 (Gruppe 7)Tutor
      Di. 09:15 - 10:45 in III-115 (Gruppe 8)Tutor
      Di. 11:00 - 12:30 in I-063 (Gruppe 9)Tutor
      Di. 14:30 - 16:00 in I-332 (Gruppe 10)Tutor
      Di. 14:30 - 16:00 in III-115 (Gruppe 11)Tutor
      Di. 16:15 - 17:45 in I-063 (Gruppe 12)Tutor
      Mi. 09:15 - 10:45 in III-115 (Gruppe 13)Tutor
      Mi. 12:45 - 14:15 in III-115 (Gruppe 14)Tutor
      Mi. 12:45 - 14:15 in I-063 (Gruppe 15)Tutor
      Mi. 16:15 - 17:45 in I-332 (Gruppe 16)Tutor
      Mi. 16:15 - 17:45 in I-063 (Gruppe 17)Tutor
      Do. 09:15 - 10:45 in I-342 (Gruppe 18)Tutor
      Do. 09:15 - 10:45 in VII-005 (Gruppe 19)Tutor
      Do. 12:45 - 14:15 in I-063 (Gruppe 20)Tutor
      Do. 14:30 - 16:00 in VII-005 (Gruppe 21)Tutor
      Do. 14:30 - 16:00 in I-332 (Gruppe 22)Tutor
      Fr. 09:15 - 10:45 in I-342 (Gruppe 23)Tutor
      Fr. 11:00 - 12:30 in I-442 (Gruppe 24)Tutor

      Bemerkungen:

      Bereitschaft zur aktiven Mitarbeit wird erwartet. Die Anmeldung zu den Tutoriumsgruppen erfolgt ab Mo. 20.04.2020, 09:00 Uhr über Stud.IP.

    Kompetenzbereiche Betriebs- und Volkswirtschaftslehre

    • Seminar Ökonometrie (273002)

      Termine:Lehrpersonen:
      Blockveranstaltung (Gruppe 1)Sibbertsen
      (Gruppe 2)Flock, Less

      Inhalt:

      Thema des Seminars im Wintersemester 2018/2019 ist "Regressionsanalyse"

      Bemerkungen:

      Das Seminar wird als Blockveranstaltung durchgeführt. Nähere Angaben zur Themenvergabe und zum Zeitpunkt der Veranstaltung werden auf der Internetseite des Instituts für Statistik bekannt gegeben.

      Prüfer: Prof. Dr. Sibbertsen

      Link:

      Seminar-Steckbrief

    Bachelor Wirtschaftswissenschaft, PO 2012

    Ökonometrie und Statistik

    • Time Series Analysis (172403)

      Termine:Lehrpersonen:
      Mi. 07:30 - 09:00 in I-342Sibbertsen

      Inhalt:

      • Stationarity
      • Autoregressive und Moving Average Models
      • Non-Stationarity
      • Forecasting
      • Spectral Analysis
      • Long Memory Time Series.

      Literatur:

      Hamilton, J. D. (1994): Time Series Analysis, Princeton.

      Schlittgen, R., Stritberg, H. J. (2003): Zeitreihenanalyse, Oldenbourg

    • Computer Exercises in Time Series Analysis (172416)

      Termine:Lehrpersonen:
      Di. 09:15 - 10:45 in II-214Wingert

      Inhalt:

      Exercise for the course Time Series Analysis, where analytical exercises are solved and methods from the lecture are applied to the computer. Only the programming language R is used.

    • Multivariate Statistics (172405)

      Termine:Lehrpersonen:
      Do. 12:45 - 14:15 in I-332Kolaiti

      Inhalt:

      • Short overview of Matrix and Vector Algebra
      • Multivariate descriptive statistics
      • Multivariate normaldistribution
      • Multivariate analysis of variance
      • Introduction to data analysis
      • Discriminant Analysis and Classification
      • Cluster Analysis
      • Principal Components Analysis and Factor Analysis.

      Literatur:

      • Izenman, A. J. (2008). Modern multivariate statistical techniques. Regression, classification and manifold learning.
      • Johnson R. A. and Wichern D. W., (2007), Applied Multivariate Statistical Analysis. 6th edition. New Jersey: Pearson.
      • Krzanowski, W. (2000). Principles of multivariate analysis (Vol. 23). OUP Oxford.
      • Rencher, A. C. and Christensen W. F. (2012). Methods of multivariate analysis.3rd edition. John Wiley & Sons.
    • Nonparametric Statistical Methods (172412)

      Termine:Lehrpersonen:
      Mo. 09:15 - 10:45 in I-063Mboya

      Inhalt:

      • Kernel density estimation
      • Nonparametric regression
      • Semiparametric methods
      • Machine learning

      Literatur:

      • Härdle, W. (1992) Applied Nonparametric Regression, Cambridge University Press.
      • Henderson, D. J., Parmeter, C. F. (2015) Applied Nonparametric Econometrics, Cambridge University Press.
      • Li, Q., Racine, J. S. (2007) Nonparametric Econometrics, Princeton University Press.
      • Pagan, A., Ullah A. (1999): Nonparametric Econometrics, Cambridge University Press.
      • Friedman, J., Hastie, T., Tibshirani, R., (2001): The Elements of Statistical Learning, Springer.
    • Statistical Programming (172414)

      Termine:Lehrpersonen:
      Do. 14:30 - 16:00 in II-214Flock

      Inhalt:

      • Data Structures
      • Functions and Loops
      • Handling Data
      • Graphics
      • Linear Regression
      • Numerical Optimization
      • Monte Carlo Methods

      Literatur:

      • Ligges (2007) Programmieren mit R, Berlin, Springer.
      • Braun / Murdock (2007) A first course in statistical programming with R, Cambridge University Press.
      • Rizzo (2008) Statistical Computing with R, Chapman & Hall.

    Master Wirtschaftswissenschaft, PO 2018

    Area Empirical Economics and Econometrics

    • Statistical Programming (373005)

      Termine:Lehrpersonen:
      Do. 14:30 - 16:00 in II-214Flock

      Inhalt:

      • Data Structures
      • Functions and Loops
      • Handling Data
      • Graphics
      • Linear Regression
      • Numerical Optimization
      • Monte Carlo Methods

      Literatur:

      • Ligges (2007) Programmieren mit R, Berlin, Springer.
      • Braun / Murdock (2007) A first course in statistical programming with R, Cambridge University Press.
      • Rizzo (2008) Statistical Computing with R, Chapman & Hall.
    • Nonparametric Statistical Methods (373010)

      Termine:Lehrpersonen:
      Mo. 09:15 - 10:45 in I-063Mboya

      Inhalt:

      • Kernel density estimation
      • Nonparametric regression
      • Semiparametric methods
      • Machine learning

      Literatur:

      • Härdle, W. (1992) Applied Nonparametric Regression, Cambridge University Press.
      • Henderson, D. J., Parmeter, C. F. (2015) Applied Nonparametric Econometrics, Cambridge University Press.
      • Li, Q., Racine, J. S. (2007) Nonparametric Econometrics, Princeton University Press.
      • Pagan, A., Ullah A. (1999): Nonparametric Econometrics, Cambridge University Press.
      • Friedman, J., Hastie, T., Tibshirani, R., (2001): The Elements of Statistical Learning, Springer.
    • Multivariate Statistics (373011)

      Termine:Lehrpersonen:
      Do. 12:45 - 14:15 in I-332Kolaiti

      Inhalt:

      • Short overview of Matrix and Vector Algebra
      • Multivariate descriptive statistics
      • Multivariate normaldistribution
      • Multivariate analysis of variance
      • Introduction to data analysis
      • Discriminant Analysis and Classification
      • Cluster Analysis
      • Principal Components Analysis and Factor Analysis.

      Literatur:

      • Izenman, A. J. (2008). Modern multivariate statistical techniques. Regression, classification and manifold learning.
      • Johnson R. A. and Wichern D. W., (2007), Applied Multivariate Statistical Analysis. 6th edition. New Jersey: Pearson.
      • Krzanowski, W. (2000). Principles of multivariate analysis (Vol. 23). OUP Oxford.
      • Rencher, A. C. and Christensen W. F. (2012). Methods of multivariate analysis.3rd edition. John Wiley & Sons.
    • Seminar Applied Econometrics (373016)

      Termine:Lehrpersonen:
      BlockveranstaltungKolaiti, Mboya

      Inhalt:

      The seminar will be on "Time Series Econometrics"

      Bemerkungen:

      Further Information about the seminar can be found on the website of the Institute for Statistics.

      Prüfer: Prof. Dr. Sibbertsen

      Link:

      Seminar-Steckbrief

    Mehrere Areas

    • Time Series Analysis (379016)

      Termine:Lehrpersonen:
      Mi. 07:30 - 09:00 in I-342Sibbertsen

      Inhalt:

      • Stationarity
      • Autoregressive und Moving Average Models
      • Non-Stationarity
      • Forecasting
      • Spectral Analysis
      • Long Memory Time Series.

      Literatur:

      Hamilton, J. D. (1994): Time Series Analysis, Princeton.

      Schlittgen, R., Stritberg, H. J. (2003): Zeitreihenanalyse, Oldenbourg

    • Computer Exercises in Time Series Analysis (379017)

      Termine:Lehrpersonen:
      Di. 09:15 - 10:45 in II-214Wingert

      Inhalt:

      Exercise for the course Time Series Analysis, where analytical exercises are solved and methods from the lecture are applied to the computer. Only the programming language R is used.

    Forschungsveranstaltungen

    • Finance Research Seminar (77782)

      Termine:Lehrpersonen:
      Mi. 11:00 - 12:30 in I-063Dierkes, Dräger, Prokopczuk, Sibbertsen

      Inhalt:

      External guests present their latest research

    • Kolloquium Innovation und Lernen (77787)

      Termine:Lehrpersonen:
      BlockveranstaltungBlaufus, Dierkes, Dräger, Gassebner, Gnutzmann-Mkrtchyan, Haunschild, Prokopczuk, Ridder, Schnitzlein, Schöndube, Schröder, Sibbertsen, Weber, Wielenberg

      Inhalt:

      Im Kolloquium werden Forschungsprojekte im Rahmen des Forschungsschwerpunkts "Innovation und Lernen" vorgestellt.

Alle Lehrveranstaltungen des Instituts

WEITERE INFORMATIONEN UND HINWEISE ZUM STUDIUM