Photo credit: Anna Logue

Materialien

Aktuelle Semester

Sprechstunde

Im HWS 2020 findet die Sprechstunde Dienstags, 17:00 bis 18:00 Uhr statt.

Sprechstunden-Link siehe Materialien.

Am 22.12.2020 fällt die Sprechstunde aus!

    HWS 2020

  • Seminar „Bioinformatik und Textverarbeitung“

    Veranwortlicher: Prof. Dr. Martin Schlather

    ECTS: 3 (BA) bzw. 4 (MA)

    Vorbesprechung: Montag 7. September 2020, 12:00 via zoom, https://zoom.us/j/7598349101 

    voraussichtliche Durchführung: KW 39 (Ende September) mit zoom, https://zoom.us/j/7598349101 

    Anmeldung über sekretariat(at)math.uni-mannheim.de

  • Mathematische Methoden der Big Data Analytics I

    Dozent: Prof. Dr. Martin Schlather

    ECTS: 8

    Vorlesung: Dienstags, 08:30 - 10:00 Uhr, in Raum SO 108

    Neuer Link für die Vorlesung steht unter den Materialien.

     

                       Parallel Live-Übertragung über zoom (Zugang über das Portal)

                       Donnerstags, 08:30 - 10:00 Uhr, in Raum M 003

                       Parallel Live-Übertragung über zoom (Zugang über das Portal)

    Übung: Mittwochs, 08:30 - 10:00 Uhr, in B 6 in Raum A 0.01

    Parallel Live-Übertragung über zoom (Zugang über das Portal)

    Vorbesprechung Anschlussseminar „Big Data“ am Dienstag, 01.12., 17:00 Uhr unter https://us02web.zoom.us/j/7598349101

                

  • Extremwertstatistik

    Die Extremwerttheorie beschäftigt sich mit den Grenzverteilungen von Maxima von unabhängigen und identisch verteilten Zufallsvariablen. Diese Resultate ermöglichen Statistik für extreme Beobachtungen, mit Anwendungen unter anderem in der Hydrologie (Überschwemmungen), der Meteorologie (Windböen, Starkregen) und dem Versicherungs­wesen (Rück­versicherung).

    Dozent: Jonas Brehmer

    ECTS: 8

    Vorlesung: Mittwochs, 10:15 - 11:45 Uhr, in B 6 , Raum A 001

                       Donnerstags, 10:15 - 11:45 Uhr, in A 5 , Raum B 144

    Übung: Mittwochs, 15:30 - 17:00 Uhr, in A 5, Raum C 012

    FSS 2021

  • Seminar „Big Data“

    Veranwortlicher: Prof. Dr. Martin Schlather

    ECTS: 3 (BA) bzw. 4 (MA)

    voraussichtliche Durchführung: tba 

    Anmeldung über sekretariat(at)math.uni-mannheim.de

  • Stochastik II

    Dozent: Prof. Dr. Martin Schlather

    ECTS: 8

    Lehr­inhalte: Zentraler Grenzwertsatz bei nicht identisch verteilten Zufallsvariablen • Schätz­verfahren (BLUE/BLUP, MLE, Momentenschätzer, Cramer-Rao) • Bereichs­schätzer und Tests (Neyman-Pearson; Likelihood-Ratio-Test; chi2-Test und weitere spezielle Tests) • Explorative Statistik • Hilberträume; bedingter Erwartungs­wert • Lineares Modell • Asymptotische Normalität

    Vorausgesetzte Kenntnisse: Analysis I & II, Lineare Algebra 1 & II, Stochastik 1

    Vorlesung: Dienstags, 10:15 - 11:45 Uhr, in Raum A 001

                       Donnerstags, 08:30 - 10:00 Uhr, in Raum A 001

    Übung: tba

                

  • Mathematische Modelle zur Personen­versicherung

    Dozent: Prof. Dr. Martin Schlather

    ECTS: 8

    Lehr­inhalte: Modelle für Epidemien • Überlebensanalyse • Mathematische Grundlagen der Prämienkalkulation • Modelle in der privaten Kranken­versicherung, Lebens­versicherung und Pensions­versicherung

    Vorausgesetzte Kenntnisse: Stochastik II

    Vorlesung: Dienstags, 08:30 - 10:00 Uhr, in Raum A 001

                       Donnerstags, 10:15 - 11:45 Uhr, in Raum A 001

    Übung: tba

  • Programmierkurs R

    Dozent: Prof. Dr. Martin Schlather

    ECTS: 3

    Lehr­inhalte: Grundlegendes Verständnis der Programmiersprache R (Datentypen, Operatoren, Kontrollstrukturen) • Dateneingabe, -aufbereitung und -ausgabe sowie grafische Darstellungen in R • Spezielle Pakete in R

    Vorausgesetzte Kenntnisse: keine

    Vorlesung: Mittwochs, 19:00 Uhr, Raum tba

  • Praxisskurs „Statistik“

    Dozent: Prof. Dr. Martin Schlather

    ECTS: 3

    Lehr­inhalte: Grundlegendes Verständnis der Programmiersprache R (Datentypen, Operatoren, Kontrollstrukturen) • Dateneingabe, -aufbereitung und -ausgabe sowie grafische Darstellungen in R • Anwendung der Lehr­inhalte der „Einführung in die Mathematische Statistik“/„Stochastik 2“ auf reale Datensätze und Fragestellungen

    Vorausgesetzte Kenntnisse: Analysis I & II, Lineare Algebra I & II, Einführung in die Wahrscheinlichkeits­theorie/Stochastik 1, Kenntnisse, die in der Veranstaltung “Einführung in die Mathematische Statistik”/”Stochastik 2” parallel erworben werden

    Vorlesung: Donerstags, 15:30 - 17:00, Raum tba