Studium
Unsere Lehre umfasst Methoden der Statistik im Bachelor-, Master- und Graduiertenbereich. Im Fokus steht die enge Verzahnung statistisch-methodischer Kenntnisse mit Fähigkeiten zu deren computergestützten Anwendung und Interpretation.
Forschung
Unser Forschungsschwerpunkt ist die Entwicklung und Anwendung flexibler Regressionsverfahren. Wir betreiben Grundlagenforschung und angewandte Statistik und bearbeiten interdisziplinäre Praxisprojekte mit Partnern aus Wissenschaft, Wirtschaft und Gesellschaft.
Aktuelles
Lehre im Wintersemester 2020/21
Im Wintersemester 2020/21 finden sämtliche Veranstaltungen des Lehrstuhls für Statistik und Data Analytics und der Lehreinheit für Computergestützte Statistik und Mathematik ausschließlich online statt. Alle Details hierzu finden Sie in Stud.IP.
Bitte beachten Sie jeweils auch die aktuellen Ankündigungen in den Foren unserer Lehrveranstaltungen.
Prüfungstermine im Sommersemester 2020
Themen für Master- und Bachelorarbeiten
Aktuell sind mehrere (verwandte) Themen für Master- oder Bachelorarbeiten verfügbar:
Überwachung der Luftqualität - Schadstoffreihen und Statistiken für die Öffentlichkeit
Voraussetzung sind Grundkenntnisse in:
- Zeitreihenanalyse/stochastische Prozesse,
- relevanter Software (R oder EViews oder Python....)
Bei Interesse wenden Sie sich bitte an Prof. Haupt.
Lehrinnovation EEBDA
Im Sommersemester 2020 findet erneut die betriebswirtschaftliche Lehrinnovation EEBDA - Evidenzorientierte Entscheidungen auf der Grundlage von Big Data Analytics für Bachelorstudierende des Studiengangs Business Administration and Economics statt.
Informationen finden Sie in der Kursdemo sowie in StudIP unter der Veranstaltungsnummer 30250.
Aktuelle Forschungsmeldungen
Publikationen
Aktuelle Publikationen unter Beteiligung von Nachwuchswissenschaftlerinnen und Nachwuchswissenschaftlern des Lehrstuhls:
Behm S. and H. Haupt [2020]
Predictability of hourly nitrogen dioxide concentrations,
Ecological Modelling, 428, 109076
Fritsch M., Pua A. A. Y. and J. Schnurbus [2020]
pdynmc: Moment Condition Based Estimation of Linear Dynamic Panel Data Models;
CRAN: https://cran.r-project.org/web/packages/pdynmc/ ; a
lternatively, see: https://github.com/markusfritsch/pdynmc
Fritsch M., Haupt H., Lösel F. and M. Stemmler [2019]
Regression trees and random forests as alternatives to classical Regression modeling: Investigating the risk factors for corporal punishment.
Psychological Test and Assessment Modelling 61, 389-417
Behm S., Haupt H. and A. Schmid [2018]
Spatial detrending revisited: Modelling local trend patterns in NO2-concentration in Belgium and Germany.
Spatial Statistics 28, 331-351
Haupt H., Schnurbus J. and W. Semmler [2018]
Estimation of grouped, time-varying convergence in economic growth.
Econometrics and Statistics 8, 141-158
Scholz M., Schnurbus J., Haupt H., Dorner V., Landherr A. and F. Probst [2018]
Dynamic Effects of User- and Marketer-Generated Content on Consumer Purchase Behavior: Modeling the Hierarchical Structure of Social Media Websites.
Decision Support Systems 113, 43-55
Workshops und Konferenzen
Scientific Program Committee member for 14th International Conference on Computational and Financial Econometrics, London, December 2020
Workshop organized by the Chair of Statistics and Data Analytics on "Statistical Modelling of Environmental Data", Universität Passau, 24.10.2019
Symposium organized by the Chair of Statistics and Data Analytics on "Temporal Aggregation of Environmental Data",22nd International Society for Ecological Modelling Global Conference,01.10-05.10.2019, Salzburg/Austria.
Two sessions organized by the Chair of Statistics and Data Analytics on "Semi- and nonparametric regression for time series and panel data", 13th Conference on Computational and Financial Econometrics, 14.12.-16.12.2019, London/UK.
Diese Seite teilen