Modulbeschreibung

Die Studierenden

• kennen die Grundprinzipien der beschreibenden Statistik.
• verstehen die grundlegende Aspekte der Wahrscheinlichkeitstheorie als Werkzeug zur statistischen Modellierung realer Vorgänge.
•  können Punkt- und Intervallschätzer berechnen und interpretieren.
• können grundlegende statistische Hypothesen formulieren und testen.
• verstehen die Grundlagen der Regressions- und Varianzanalyse.
• können Lösungsstrategien für reale statistische Probleme zu konkreten Datensätzen entwickeln und mithilfe von R umsetzen.
• kennen die Grundbegriffe der multivariaten Statistik und deren Anwendungsfelder für Machine Learning & Data Mining.
• erarbeiten sich im Detail 2 Data Mining/Machine Learning Methoden nach Wahl.
• können die erlernten Methoden selbstständig in R implementieren, auf echte Datensätze anwenden und die Ergebnisse bewerten.