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
Abschlussarbeit "Revenue Forecasting"
Der Lehrstuhl für Statistik und Data Analytics vergibt im Rahmen des EFRE-geförderten Projekts DIGIONAL eine Abschlussarbeit (Bachelor-/Masterarbeit) zum Thema Revenue Forecasting. Details zum Inhalt und den Bewerbungsmodalitäten entnehmen Sie bitte der Ausschreibung.
Prüfung "Einführung in die Zeitreihenanalyse"
Die Prüfung "Einführung in die Zeitreihenanalyse" findet als mündliche Online-Prüfung am Mittwoch, 07.07.2021 statt. Detaillierte Informationen zum Prüfungsablauf lassen wir allen angemeldeten Studierenden nach Ablauf der Rücktrittsfrist per E-Mail zukommen.
Ein Rücktritt ist im Rahmen der regulären Prüfungsanmeldung über HISQIS bis zum 18.06.2021 möglich.
Prüfungstermine des Lehrstuhls und der Lehreinheit
Die vom Lehrstuhl für Statistik und Data Analytics und von der Lehreinheit für Computergestützte Statistik und Mathematik im Wintersemester 2020/21 dezentral angebotenen Prüfungen finden Sie in dieser Übersicht.
Informationen zu den zentral organisierten Prüfungen finden Sie in dieser Datei des Prüfungssekretariates.
Lehrangebot Wintersemester 2020/21 bis Sommersemester 2022
Zur Orientierung für alle betroffenen Studierenden veröffentlichen der Lehrstuhl für Statistik und Data Analytics und die Lehreinheit für Computergestützte Statistik und Mathematik eine gemeinsame Übersicht über die geplanten Lehrveranstaltungen im Zeitraum Wintersemester 2020/21 bis Sommersemester 2022.
Themen für Master-, Bachelor und Zulassungsarbeiten
Aktuelle Themen für Master-, Bachelor- und Zulassungsarbeiten:
- Time series forecasts (and their averages) over multiple horizons and information sets (prerequisite is a bachelor level knowledge of time series analysis/stochastic processes)
- Forecast evaluation (prerequisite is a bachelor level knowledge of time series analysis/stochastic processes)
- Deal curve models in marketing research (prerequisite is a basic knowledge in regression analysis and marketing research)
- Air quality monitoring and prediction (prerequisite is a bachelor level knowledge of time series analysis/stochastic processes)
- Quantile regression and utility (prerequisite is a basic knowledge in regression analysis and expected utility)
- Regression smoothing (prerequisite is a basic knowledge in regression analysis)
- Ridge functions in statistics (prerequisite is a basic knowledge of analysis and mathematical statistics)
- Central limit theory for M-estimators (prerequisite is a basic knowledge of probability theory and mathematical statistics)
Arbeiten können einen angewandten, softwaregestützten oder theoretischen Fokus haben. Auch die Vergabe zusammenhängender Themen ist möglich. Bei Interesse direkt an Prof. Haupt wenden.
Aktuelle Forschungsmeldungen
Publikationen
Aktuelle Publikationen unter Beteiligung von Nachwuchswissenschaftlerinnen und Nachwuchswissenschaftlern des Lehrstuhls:
Kleinke K., Fritsch M., Stemmler M., Reinecke J., and F. Lösel [to appear]
Quantile Regression-Based Multiple Imputation of Missing Values - An Evaluation and Application to Corporal Punishment Data.
Methodology
Fritsch M. and S. Behm [2021]
Agglomeration and infrastructure effects in land use regression models for air pollution - Specification, estimation, and interpretations.
Atmospheric Environment, 253, 118337
Fritsch M., Pua A. A. Y. and J. Schnurbus [2021]
pdynmc: A Package for Estimating Linear Dynamic Panel Data Models Based on Nonlinear Moment Conditions.
The R Journal
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/ ; alternatively, 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
Call for papers
Special Issue in "Mathematics" on "Statistical Modelling of Complex Environmental Time Series". Submission deadline: 30 September 2021
Diese Seite teilen 