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 2021

    Bachelor Wirtschaftswissenschaft, PO 2017

    Statistik

    • Schließende Statistik (270158)

      Termine:Lehrpersonen:
      Mi. 09:15 - 10:45 | Synchrone Online-Lehre (Gruppe 1)Sibbertsen
      Mi. 09:15 - 10:45 | Synchrone Online-Lehre (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:
      Mi. 07:30 - 09:00 | Synchrone Online-Lehre (Gruppe 1)Sibbertsen
      Mi. 07:30 - 09:00 | Synchrone Online-Lehre (Gruppe 2)Lehne
    • Tutorium zu Schließende Statistik (270031)

      Termine:Lehrpersonen:
      Mo. 07:30 - 09:00 | VII-201 (Gruppe 1)Tutor
      Mo. 07:30 - 09:00 | VII-002 (Gruppe 2)Tutor
      Di. 07:30 - 09:00 | VII-201 (Gruppe 3)Tutor
      Di. 07:30 - 09:00 | VII-002 (Gruppe 4)Tutor
      Mi. 18:15 - 19:45 | VII-201 (Gruppe 5)Tutor
      Mi. 18:15 - 19:45 | VII-002 (Gruppe 6)Tutor
      Do. 07:30 - 09:00 | VII-201 (Gruppe 7)Tutor
      Do. 07:30 - 09:00 | VII-002 (Gruppe 8)Tutor
      Fr. 07:30 - 09:00 | VII-201 (Gruppe 9)Tutor
      Fr. 07:30 - 09:00 | VII-002 (Gruppe 10)Tutor
      Mo. 07:30 - 09:00 | I-301 (Gruppe 11)Tutor
      Mo. 07:30 - 09:00 | I-401 (Gruppe 12)Tutor
      Di. 07:30 - 09:00 | I-301 (Gruppe 13)Tutor
      Di. 07:30 - 09:00 | I-401 (Gruppe 14)Tutor
      Mi. 18:15 - 19:45 | I-301 (Gruppe 15)Tutor
      Mi. 18:15 - 19:45 | I-401 (Gruppe 16)Tutor
      Do. 07:30 - 09:00 | I-301 (Gruppe 17)Tutor
      Do. 07:30 - 09:00 | I-401 (Gruppe 18)Tutor
      Fr. 07:30 - 09:00 | I-301 (Gruppe 19)Tutor
      Fr. 07:30 - 09:00 | I-401 (Gruppe 20)Tutor
      Mo. 12:45 - 14:15 | VII-201 (Gruppe 21)Tutor
      Di. 12:45 - 14:15 | VII-201 (Gruppe 22)Tutor
      Do. 12:45 - 14:15 | VII-201 (Gruppe 23)Tutor
      Fr. 16:15 - 17:45 | Synchrone Online-Lehre (Gruppe 24)Tutor

      Bemerkungen:

      Bereitschaft zur aktiven Mitarbeit in den eingeteilten Tutoriumsgruppen wird erwartet.

      Das Tutorium zählt zu den Veranstaltungen der Studieneingangsphase, welche online beginnen, aber je nach Entwicklung der Corona-Pandemie in Präsenz überführt werden. Die Gruppeneinteilung aus dem WiSe 20/21 wird für die Studierenden (BSc WiWi) daher fortgeführt.

    Kompetenzbereiche Betriebs- und Volkswirtschaftslehre

    • Seminar Ökonometrie (273002)

      Termine:Lehrpersonen:
      Blockveranstaltung (Gruppe 1)Sibbertsen
      (Gruppe 2)Meier

      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. 12:45 - 14:15 | Synchrone Online-LehreSibbertsen

      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.
    • Multivariate Statistics (172405)

      Termine:Lehrpersonen:
      Fr. 14:30 - 16:00 | Asynchrone Online-LehreKolaiti

      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:
      Mi. 09:15 - 10:45 | Synchrone Online-LehreLess

      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:
      Di. 14:30 - 16:00 | Synchrone und asynchrone Online-LehreFlock

      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:
      Di. 14:30 - 16:00 | Synchrone und asynchrone Online-LehreFlock

      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:
      Mi. 09:15 - 10:45 | Synchrone Online-LehreLess

      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:
      Fr. 14:30 - 16:00 | Asynchrone Online-LehreKolaiti

      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.
    • Computerintensive Statistics (373015)

      Termine:Lehrpersonen:
      Mo. 09:15 - 10:45 | Synchrone Online-LehreMboya

      Inhalt:

      • Metropolis Algorithm
      • Adaptive Metropolis Algorithm
      • Delayed Rejection Adaptive Metropolis
      • Metropolis-Hastings Algorithm
      • Gibbs Sampling

      Literatur:

      Albert, Jim (2007): Bayesian Computation with R, Springer

    • Seminar Applied Econometrics (373016)

      Termine:Lehrpersonen:
      Blockveranstaltung (Gruppe 1)Flock, Meier
      (Gruppe 2)Kolaiti, 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. 12:45 - 14:15 | Synchrone Online-LehreSibbertsen

      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.

    Forschungsveranstaltungen

    • Finance Research Seminar (77782)

      Termine:Lehrpersonen:
      Mi. 11:00 - 12:30 | Synchrone Online-LehreDierkes, Dräger, Prokopczuk, Sibbertsen

      Inhalt:

      External guests present their latest research

    • Kolloquium Innovation und Lernen (77787)

      Termine:Lehrpersonen:
      BlockveranstaltungBlaufus, Dierkes, Dräger, Gassebner, Gnutzmann-Mkrtchyan, Grote, Haunschild, Piening, Prokopczuk, Ridder, 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