Lehrende: Prof. Dr. Natalie Neumeyer
Veranstaltungsart:
Vorlesung
Anzeige im Stundenplan:
M-VMS-V
Semesterwochenstunden:
2
Unterrichtssprache:
Deutsch
Min. | Max. Teilnehmerzahl:
- | -
Kommentare/ Inhalte:
*** If you would like to attend the course, but you are not able to follow lectures in German, please contact the lecturer in advance. ***
In vielen Anwendungsbereichen wie Medizin, Chemie, Ökonometrie, Meteorologie,... werden funktionale Daten erhoben: es werden Kurven beobachtet bzw. viele diskrete Messungen glatter Kurven. Beispiele sind Wachstumskurven, Temperaturkurven, Chemometrie-Daten, Stromverbrauchsdaten,...
Eine statistische Analyse muss den funktionalen Charakter der Daten berücksichtigen. Insbesondere sollen Rückschlüsse auf Strukturen, Variationen etc gezogen werden.
Inhalte der Vorlesung unter anderem: Hauptkomponentenanalyse, Schätzung statistischer Kenngrößen, funktionale lineare Modelle, Hypothesentests auf Modellannahmen
empfohlene Vorkenntisse:
Vorlesungen "Mathematische Stochastik'', "Maßtheoretische Konzepte der Stochastik'' und "Mathematische Statistik''
Vorkenntnisse in "Funktionalanalysis" und "Nichtparametrische Statistik" können hilfreich sein, werden aber nicht vorausgesetzt.
Literatur:
F. Ferraty, P. Vieu "Nonparametric functional data analysis", Springer
L. Horváth, P. Kokoszka "Inference for Functional Data with Applications", Springer
J.O. Ramsay, G. Hooker, S. Graves " Functional Data Analysis with R and Matlab", Springer
J.O. Ramsay, B.W. Silverman "Functional data analysis", Springer
J.O. Ramsay, B.W. Silverman "Applied functional data analysis: methods and case studies", Springer
Modulkürzel:
Ma-M-VMS_n
Zusätzliche Hinweise zu Prüfungen:
mündliche Prüfungen
|