Einzelansicht eines Moduls

Modul (6 Credits)

Statistical Learning

Name im Diploma Supplement
Statistical Learning
Verantwortlich
Voraus­setzungen
Siehe Prüfungsordnung.
Workload
180 Stunden studentischer Workload gesamt, davon:
  • Präsenzzeit: 60 Stunden
  • Vorbereitung, Nachbereitung: 60 Stunden
  • Prüfungsvorbereitung: 60 Stunden
Dauer
Das Modul erstreckt sich über 1 Semester.
Qualifikations­ziele

Die Studierenden

  • verfügen über umfassende Kenntnisse moderner statistischer und ökonometrischer Methoden und beherrschen deren Anwendung bei der Lösung empirischer, ökonometrischer Fragestellungen
  • kennen die formalen Eigenschaften zentraler Verfahren und können sie mathematisch zeigen
  • können ökonomische Probleme sachgerecht in ein ökonometrisches Modell überführen, die ökonometrischen und statistischen Schätz- sowie Testverfahren hinsichtlich ihrer Problemadäquanz beurteilen, die geeigneten Daten auswählen und die empirischen Befunde kritisch kommentieren
  • sind in der Lage, eigenständig und mit Hilfe geeigneter statistischer und ökonometrischer Software praktische Probleme zu lösen
  • können selbständig ausgewählte Übungsaufgaben bearbeiten
Praxisrelevanz

Die Praxisrelevanz ist aufgrund der großen Bedeutung der Empirie in den Wirtschaftswissenschaften hoch und wird sich noch weiter erhöhen.

Prüfungs­modalitäten

Zum Modul erfolgt eine modulbezogene Prüfung in der Gestalt einer Klausur (in der Regel: 60-90 Minuten) oder einer mündlichen Prüfung.

Alternativ: Empirisches Prognoseprojekt (70% der Note) und Präsentation (in der Regel: 20 Minuten. 30% der Note).

Die Art der Prüfung wird jeweils zu Semesterbeginn vom Dozenten festgelegt.

Verwendung in Studiengängen
  • BWL EaFWahlpflichtbereich1.-3. FS, Wahlpflicht
  • ECMXWahlpflichtbereichME7 Econometric Methods1.-3. FS, Wahlpflicht
  • ECMXWahlpflichtbereichME6 Applied Econometrics1.-3. FS, Wahlpflicht
  • GOEMIKWahlpflichtbereich Bereich Volkswirtschaftslehre1.-3. FS, Wahlpflicht
  • MuUWahlpflichtbereich IWahlpflichtbereich I A.: Methodologie und allgemeine Theorien zur Untersuchung von Märkten und Unternehmen1.-2. FS, Wahlpflicht
  • VWLWahlpflichtbereich I1.-3. FS, Wahlpflicht
  • WiInfWahlpflichtbereichWahlpflichtbereich II: Informatik, BWL, VWLWahlpflichtmodule der Volkswirtschaftslehre1.-3. FS, Wahlpflicht
Bestandteile
Name im Diploma Supplement
Statistical Learning
Anbieter
Lehrperson
SWS
2
Sprache
englisch
Turnus
Sommersemester
maximale Hörerschaft
unbeschränkt
empfohlenes Vorwissen

Knowledge of basic econometric concepts such as communicated in our bachelor and master courses “Einführung in die Ökonometrie" and “Methoden der Ökonometrie“ as well as good working knowledge of mathematical statistics.

Lehrinhalte
  • Linear regression and k-nearest neighbors
  • Classification
  • Resampling methods
  • Linear Model selection and regularization
  • Polynomial regression, splines and local regression
  • Tree-Based methods
  • Support vector machines
  • Unsupervised learning
Literaturangaben
  • Bishop, C. M. (2006). Pattern recognition and machine learning. New York: Springer.
  • Davidson, R.; MacKinnon, J. G. (2004). Econometric theory and methods. New York: Oxford Univ. Press.
  • Hastie, T.; Tibshirani R.; Friedman, J. (2013). The elements of statistical learning : data mining, inference, and prediction (2nd edition). New York: Springer.
  • Hayashi, F. (2000). Econometrics. Princeton: Princeton Univ. Press.
  • James, G.; Witten, D.; Hastie, T.; Tibshirani, R. (2016). An introduction to statistical learning : with applications in R. New York: Springer.
  • Wooldridge, J. M. (2010). Econometric analysis of cross section and panel data (2nd edition). Cambridge, Mass.: MIT Press.
didaktisches Konzept

Classes are organized around traditional lectures. Students are however expected to contribute intensively through active discussion. Lectures are complemeted via, e.g., illustrations in R, joint interactive programming to better understand the statistical concepts as well as comprehensive problem sets to deepen students’ proficiency.

Hörerschaft
Vorlesung: Statistical Learning (WIWI‑C0467)
Name im Diploma Supplement
Statistical Learning
Anbieter
Lehrperson
SWS
2
Sprache
englisch
Turnus
Sommersemester
maximale Hörerschaft
unbeschränkt
empfohlenes Vorwissen

see lecture

Lehrinhalte

see lecture

Literaturangaben

see lecture

Hörerschaft
Übung: Statistical Learning (WIWI‑C0678)
Modul: Statistical Learning (WIWI‑M0075)