Ziel der Veranstaltung ist die praktische Umsetzung und Implementierung stochastischer
Modelle und Methoden. Grundlegende Ideen aus der Statistik und des maschinellen Lernens
werden motiviert und eingesetzt. Es wird im Wechsel Vorlesung und praktische Übungen am
Computer geben. Nach einer Einführung in die Programmiersprache R werden verschiedene
Themenblöcke behandelt. Thematische
Schwerpunkte sind unter anderem das Erzeugen von Zufallszahlen, Test- und
Schätzmethoden, die Simulation stochastischer Prozesse, Klassifikation, Haupt-
komponentenanalyse (PCA) und Monte-Carlo-Methoden.
Voraussetzungen: Stochastik I; der parallele Besuch von Stochastik II wird empfohlen
Literatur:
Trevor Hastie, Robert Tibshirani, Jerome H. Friedman: The Elements of Statistical Learning:
Data Mining, Inference, and Prediction, Springer, 2009
Christian Robert, George Casella: Introducing Monte Carlo Methods with R, Springer, 2009
Christian Robert, George Casella: Monte Carlo Statistical Methods, Springer, 2010
- Kursverantwortliche/r: Fabian Joachim Erich Telschow