Seminar (Numerische Methoden in der Statistik) ab dem 6. Semester (Sommersemester 2012)
- Dozent*in: JProf. Dr. Claudia Kirch
- Veranstaltungen: Seminar (0174800)
- Semesterwochenstunden: 2
- Hörerkreis: Studierende aller Mathematik-Studiengänge (ab 6. Semester)
Das Seminar findet als Blockveranstaltung vom 10.-13. April 2012 (ganztägig) im Seminarraum 1C.01 (Allianzgebäude) statt.
| Termine | |||
|---|---|---|---|
| Seminar: | Blockveranstaltung | 1C.01 | Beginn: 10.4.2012, Ende: 13.4.2012 |
| Lehrende | ||
|---|---|---|
| Seminarleitung | JProf. Dr. Claudia Kirch | |
| Sprechstunde: Nach Vereinbarung. | ||
| Zimmer Kollegiengebäude Mathematik (20.30) | ||
| Email: claudia.kirch@kit.edu | Seminarleitung | Dr. Birte Muhsal |
| Sprechstunde: | ||
| Zimmer Allianz-Gebäude (05.20) | ||
| Email: birte.muhsal@kit.edu | ||
Durch die zunehmende Rechenleistung moderner Computer können in der Statistik immer komplexere Daten analysiert werden. Hierzu sind jedoch computerbasierte Ansätze erforderlich, die den speziellen Bedürfnissen in der Statistik gerecht werden.
In diesem Seminar werden wir solche numerischen Methoden und ihre Anwendung in der Statistik besprechen.
Beispielsweise können Maximum-Likelihood- oder Kleinste-Quadrate-Schätzer nur in den seltensten Fällen analytisch berechnet werden, so dass numerische Optimierungs-algorithmen in der modernen Statistik eine grundlegende Rolle spielen. Neben klassischen Methoden über Lagrange-Multiplikatoren sollen hierbei auch der MM- und EM-Algorithmus besprochen werden.
Darüber hinaus sollen Themen wie Zufallszahlen-Generatoren, Monte-Carlo-Methoden, Hauptkomponentenanalyse oder Singulärwertzerlegung behandelt werden. Auch grundlegendere Themen wie etwa die Bedeutung von Rekurrenz-Gleichungen oder von asymptotischen (Reihen-)Entwicklungen in der Statistik fallen in diesen Rahmen.
Eine genaue Themenauswahl wird nach der Vorbesprechung gemäß dem Kenntniss-Stand der Teilnehmer getroffen.
Voraussetzungen
- Stochastik I
- Statistik-Grundkenntnisse
- grundlegende Kenntnisse der numerischen oder algorithmischen Mathematik
- weitere Stochastik- bzw. Statistik-Kenntnisse sind von Vorteil und werden bei der Themenvergabe berücksichtigt
Literaturhinweise
Kenneth Lange: Numerical Analysis for Statisticians