Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage

statistische Modelle zu definieren

Suffizienz zu definieren und zu überprüfen

Schätzer und Ihre Eigenschaften zu definieren

Maximum Likelihood- und Momentenschätzer zu konstruieren

den Satz von Cramér-Rao anzuwenden

Konfidenzintervalle zu definieren und für spezielle Verteilungen zu berechnen

Statistische Tests zu definieren

Fehler erster und zweiter Art, Signifikanzniveau und Macht zu definieren

den Satz von Neyman-Pearson zu zitieren

Likelihood-Quotienten-Tests zu konstruieren und ihre asymptotische Verteilung zu bestimmen

Kriterien für die Existenz von gleichmäßig optimalen Tests anzugeben

Varianzanalysen durchzuführen

den Satz von Fisher-Cochran zu zitieren

Lineare Regression zu beschreiben und durchzuführen

Chi-Quadrat und Kolmogorov-Smirnov-Test durchzuführen

Grundlegende Ideen der Bayes-Statistik zu beschreiben

 

 

 

Statistische Modelle, Schätzer, Konfidenzintervalle, Tests, Varianzanalzse, Regression, Anpassungstests, Bayes-Verfahren

Selbststudium mit Skriptum, Fortschrittskontrolle mit Online-Quizzes, Fragen und Feedback via Forum oder Chat

Mündliche Prüfung

 

Witting: Mathematische Statistik I Heyer: Theory of Statistical Experiments Lehmann: Testing Statistical Hypotheses Lehmann: Theory of Point Estimation Ferguson: Mathematical Statistics, a Decision-Theoretic Approach

Grundwissen aus Wahrscheinlichkeitstheorie