Angewandte Statistische Regression

Die Vorlesung findet ab 21. September 2009 im HG D 3.2 statt.

Beginn der Vorlesung: Montag, 21. September 2009.

Testatbedingung: Keine.

Doktoranden: Die Teilnahme an der Prüfung ist erforderlich für den Erhalt der Krediteinheiten.

Inhalt

Dieser Link führt zu den Übungen.

Kurzbeschreibung: Anwendungsmöglichkeiten der einfachen und multiplen linearen Regression. Praktische Aspekte bei der Durchführung und Interpretation. Einführung in verallgemeinerte lineare Modelle, wie logistische Regression und Poissonregression.

Inhalt: Allgemeines lineares Modell, Schätzung der Koeffizienten, Tests, Vertrauens- und Prognoseintervalle. Residuenanalyse und Modellwahl.
Einführung in verallgemeinerte lineare Modelle, insbesondere logistische und Poissonregression.

Lernziel: In der Regression wird der Zusammenhang zwischen einer quantitativen Zielgrösse und einer oder mehrerer erklärenden Variablen untersucht. Da sehr viele Fragestellungen so bearbeitet werden können, ist die Regression wohl die am häufigsten verwendete statistische Methode.
Aspekte der Anwendung und die Interpretation von statistischen Analysen stehen in dieser Vorlesung im Vordergrund.

Besonderes: In den Übungen wird die flexible Statistik--Analyse-Umgebung "R" gelernt und eingesetzt.

Voraussetzung: Grundkenntnisse in Statistik im Umfang einer Einführungsvorlesung in Wahrscheinlichkeit und Statistik.

Vorlesungsunterlagen

Organisation: PDF , PS

Programm: PDF, PS

Skript: PDF, PS

Literaturliste: PDF, PS