Ort und Zeit
Vorlesung: Di, Do, 14-16 Uhr, SR 404, Ernst-Zermelo-Str. 1
Übung: 2-stündig, Termin wird noch festgelegt
Inhalt
Die Vorlesung 'Mathematische Statistik' baut auf Grundkenntnissen aus der Vorlesung 'Wahrscheinlichkeitstheorie' auf.
Das grundlegende Problem der Statistik ist, anhand einer Stichprobe von Beobachtungen möglichst präzise Aussagen über den datengenerierenden
Prozess bzw. die den Daten zugrundeliegenden Verteilungen zu machen. Hierzu werden in der Vorlesung die wichtigsten Methoden aus der statistischen Entscheidungstheorie wie Test- und Schätzverfahren eingeführt.
Stichworte hierzu sind u.a. Bayes-Schätzer und -Tests, Neyman-Pearson-Testtheorie, Maximum-Likelihood-Schätzer, UMVU-Schätzer, exponentielle Familien, lineare Modelle. Weitere Themen sind Ordnungsprinzipien zur Reduktion der Komplexität der Modelle (Suffizienz und Invarianz).
Statistische Methoden und Verfahren kommen nicht nur in den Naturwissenschaften und der Medizin, sondern in nahezu allen Bereichen zum Einsatz, in denen Daten erhoben und analysiert werden, so z. B. auch in den Wirtschaftswissenschaften (Ökonometrie) und Sozialwissenschaften (dort vor allem in der Psychologie). Im Rahmen dieser Vorlesung wird der Schwerpunkt aber weniger auf Anwendungen, sondern – wie der Name schon sagt – mehr auf der mathematisch fundierten Begründung der Verfahren liegen.
Vorkenntnisse
Notwendig: Wahrscheinlichkeitstheorie (insbesondere Maßtheorie sowie bedingte Wahrscheinlichkeiten und Erwartungen)
Verwendbarkeit
Advanced Lecture in Stochastics
Elective in Data