Lehrstuhl für Statistik und Data Analytics

Für Ihre Planungen finden Sie hier den aktuellen Überblick zu den für die Prüfungen und deren Formate vorgesehenen Terminen des Lehrstuhls für Statistik und Data Analytics sowie der Lehreinheit für Computergestützte Statistik und Mathematik.

Zu allen weiteren zentral organisierten Prüfungen finden Sie die Informationen direkt auf der Homepage des Prüfungssekretariats.

Die Einsichtnahme in die dezentral organisierten Prüfungen des Sommersemesters 2021 von Lehrstuhl für Statistik und Data Analytics und Lehreinheit für Computergestützte Statistik und Mathematik kann bis zum 01.11.2021 beantragt werden.

Senden Sie hierzu (falls noch nicht geschehen) eine E-Mail an joachim.schnurbus@uni-passau.de und geben Sie Ihren vollständigen Namen, Ihr Geburstdatum und Ihre Matrikelnummer sowie für welche der folgenden Prüfungen Sie Einsichtnahme beantragen:

• Einführung in die Ökonometrie
• CS - Einführung in R
• CS - Regression in R
• CS - Statistical Learning in R
• Multivariate Verfahren
• Paneldatenanalyse

Im WS 2021/22 finden die Veranstaltungen des Lehrstuhls für Statistik und Data Analytics und der Lehreinheit für Computergestützte Statistik und Mathematik wie folgt statt:

Online
Mathematik für Wirtschaftswissenschaftler
Statistik 1 für Wirtschaftswissenschaftler
Computergestützte Statistik - Einführung in R
Computational Statistics - Regression in R
Computational Statistics - Statistical Learning in R
Multivariate Verfahren
Fundamentals of Business Analytics

Präsenz
Einführung in die Zeitreihenanalyse
Econometric Methods

Details hierzu finden Sie in Stud.IP. Bitte beachten Sie auch die aktuellen Ankündigungen in den Foren unserer Lehrveranstaltungen.

Fundamentals of Business Analytics

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 2021/22 bis Sommersemester 2023.

Im Wintersemester 2021/22 bietet der Lehrstuhl für Statistik und Data Analytics in Zusammenarbeit mit dem Lehrstuhl für Marketing und Innovation  das Praxisseminar "DIGITOUR" an, in dem es um Content Marketing Strategien anhand des Digital Storytelling Prinzips für regionale Tourismusbetriebe gehen soll.

Ziel des Seminars ist die Erarbeitung von Content Marketing Konzepten im Rahmen einer Gruppenarbeit zu einer realen Problemstellung eines Praxispartners. 

Zielgruppe sind Masterstudierende der Studiengänge Business Administration sowie International Cultural and Business Studies, die Interesse an der Erarbeitung praktischer Fragestellungen haben. 

Eine Bewerbung ist bis Mittwoch, 20. Oktober 2021 (23:59 Uhr) möglich. Weitere Informationen zu den Bewerbungsmodalitäten können Sie unserer Ausschreibung entnehmen. 

Hinweis: Das Praxisseminar ist eine freiwillige Leistung im Umfang von 5 ECTS. Das Praxisseminar ersetzt nicht das reguläre Masterseminar.

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.

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 Publikationen unter Beteiligung von Nachwuchswissenschaftlerinnen und Nachwuchswissenschaftlern des Lehrstuhls:

Fritsch M. and S. Behm [2021]
Data for modeling nitrogen dioxide concentration levels across Germany.
Data in Brief, 38, 107324

Kleinke K., Fritsch M., Stemmler M., Reinecke J., and F. Lösel [2021]
Quantile Regression-Based Multiple Imputation of Missing Values -­­ An Evaluation and Application to Corporal Punishment Data.
Methodology, 17 (3), 205-230

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, 13 (1), 218-231

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 (4), 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

Master@IBM: Duales Studienprogramm: 

https://careers.ibm.com/job/13183124/master-ibm-data-science-machine-learning-m-w-x-remote/

Associate@IBM: Trainee-Programm für Data Scientists: 

https://careers.ibm.com/job/13264910/associate-data-scientist-m-f-x-dusseldorf-de/?codes=IBM_CareerWebSite

Kontakt: Dr. Angelika Schmid

Special Issue in "Mathematics" on "Statistical Modelling of Complex Environmental Time Series". Submission deadline: 30 December 2021