10.05.2021, 14:00
Forschungsseminar Wahrscheinlichkeitstheorie
Sparse inhomogeneous random graphs from a large deviation point of view
Luisa Andreis (Uni. Firenze)
Inhalt des Kurses: Ausgehend von Methoden der Beschreibenden Statistik (Grafische und tabellarische Darstellung von Häufigkeitsverteilungen und Ermittlung statistischer Kennzahlen) werden basierend auf Grundbegriffen der Wahrscheinlichkeitsrechnung Verfahren der Schließenden Statistik ausführlich behandelt. Hierbei geht es sowohl um die Vermittlung von Grundideen des statistischen Schätzens und Testens als auch um die konkrete rechentechnische Realisierung der Verfahren. Ziel ist es, die Studierenden in die Lage zu versetzen, einfache statistische Verfahren selbständig anzuwenden und durch Software-Programme erhaltene Ergebnisse einer statistischen Analyse zu interpretieren. Schwerpunkte werden sein: Stichprobe und Grundgesamtheit, Punkt- und Bereichsschätzungen, t-Test, Chi-Quadrat-Tests und Rangtests, Methoden der linearen Regression und Varianzanalyse. In der Übung wird die rechentechnische Umsetzung der in der Vorlesung dargestellten Verfahren in der Sprache R demonstriert.
Voraussetzungen: Modul Mathematik I.
Zielgruppe: BA Biologie und Ernährungswissenschaften.
Dozent: Dr. Alexandra Suvorikova
Fr., 12:15 bis 13:45 Uhr, 2.25.F0.01
Inhalt:
Das Seminar behandelt aktuelle Forschungsergebnisse aus der Theorie der Stochastischen Prozesse und wird zusammen mit der Gruppe der Wahrscheinlichkeitstheorie gehalten. Mehr Informationen finden Sie hier.
Vorraussetzungen: Kenntnisse über Stochastische Prozesse und Statistik
Zielgruppe: MS in Mathematik, Doktoranden
Dozent: Dr. Sara Mazonetto
Mo., 12:00 bis 13:00 Uhr, 2.09.2.22
Inhalt: Das Seminar ist eine gemeinsame Veranstaltung mit der Humboldt-Universität Berlin und dem Weierstraß-Institut (Berlin) über aktuelle Forschungsthemen der mathematischen Statistik und des Maschinelles Lernens. Es findet jeden Mittwoch 10h-12h im Weierstraß-Institut (Mohrenstraße 39, 10117 Berlin) statt.
Vorraussetzungen: Vorgespräch.