Materialien

Sprechstunde

Die Sprechstunde findet im HWS 22 am Donnerstag um 12:30 Uhr in Prof. Schlathers Büro (B 6, B 3.15) statt. Für einen Termin per Zoom wenden Sie sich bitte an das Sekretariat.

Am 13. Oktober fällt die Sprechstunde aus.

Aktuelle Semester

HWS 2022

  • Analyse und Modellierung prozessbasierter Daten (ehem. Zeitreihenanalyse & Räumliche Statsistik)

    Dozent: Prof. Dr. Martin Schlather

    ECTS: 8 (Vorlesung mit Übung und Praktikum)

    Lehrinhalte: 

    • Zeitreihenanalyse
    • Gaußsche Prozesse
    • Stationarität und Isotropie
    • Intrinsisch stationäre Prozesse

    Vorausgesetzte Kenntnisse: Stochastik 1 & 2

    Termine: Dienstags 10:15 – 11:45 Uhr in A 5, Raum C 012

                     Donnerstags, 08:30 – 10:00 Uhr in A 5, Raum C 012

                      Mittwochs, 15:30 – 17:00 Uhr in B6, 23–25 Bauteil A, Raum A 305 (falls Übung, sonst tba!)

    Aktuelle Planung (bitte beachten Sie die Änderung am 8.11.):

    Vorlesungen: Mi 26.10. (O 135), Do 27.10., Di. 8.11., Mi 9.11. (O 135), Di 15.11., Do 17.11.,  Di 22.11., Do 24.11.

    Übungen: Mi 2.11., Do 3.11., Do. 10.11., Mi 16.11., Mi 23.11., (gebenenfalls Mi 30.11.)

    Falls Sie die Zugangsdaten für die Website bzw. Ilias noch nicht haben, erkundigen Sie sich bitte bei Ihren Kommilitonen.

     

  • Quantencomputing (Bereich Mathematik B & C)

    Dozent: Prof. Dr. Martin Schlather

    ECTS: 8 (Vorlesung mit Übung und Praktikum)

    Lehrinhalte: 

    •  Quantencomputing und seine Grundlagen, wie
    • (Quanten)Informationstheorie
    • Quanten-Wahrscheinlichkeitstheorie

    Vorausgesetzte Kenntnisse:  Stochastik 1 & 2

    Vorlesung: Dienstags, 08:30 – 10:00 Uhr in A 5, Raum C 012

                       Donnerstags, 10:15 – 11:45 Uhr in A 5, Raum C 012.

    Übung: Montags, 10:15 – 11:45 Uhr in B 6, Raum A 302

    Die Vorlesung am Donnerstag 13. Oktober wird verlegt auf tba.

    Klausurvorleistung sind 50% der Punkte bei schrifl. Lösungen und 50% gründliche Bearbeitung beim Votiersystem, sowie zweimaliges Vorrechnen in Übungsgruppen. Die Übungsblätter werden über Ilias veröffentlicht. 

  • Roboterkurs Mathematische Modelle in der Personenversicherung

    Dozent: Prof. Dr. Martin Schlather

    ECTS:

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

    Vorausgesetzte Kenntnisse: Stochastik II

    Differenzialgleichung wird nicht vorausgesetzt.

    Vorlesung: Dienstags, 15:30–17:00 Uhr in B 6, Raum C 401

     

    Die Präsenzveranstaltung Personenversicherung wird auf HWS 2024 verschoben!

  • Seminar „Mathematische Methoden in den Versicherungs- und Naturwissenschaften“ (BA und MA)

    Dozent: Prof. Dr. Martin Schlather

    Vorbesprechung: 8. Sept. 2022, 12:00. Raum: Mathelounge B 3.01 im  3.OG in B6

FSS 2023

  • 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, 12:00 – 13:30 Uhr in B 6, Raum A 0.01

                       Donnerstags, 08:30 – 10:00 Uhr in B 6, Raum A 0.01

     

    Übungen: tba

    Die Veranstaltung “Unsupervised Learning” ist ähnlich wie “Köpfe rauchen” von Prof. Dr. Leif Döring.

    Falls Sie die Zugangsdaten für die Website bzw. Ilias noch nicht haben, erkundigen Sie sich bitte bei Ihren Kommilitonen.

     

  • Unsupervised Learning (BA)

    Dozent: Prof. Dr. Martin Schlather

    ECTS: 6

    Lehrinhalte: Clusteranalyse • Hauptkomponenten- und Faktorenanalyse • Regression Trees • Versuchsplanung

    Vorausgesetzte Kenntnisse: Kenntnisse in Stochastik 2 können begleitend erworben werden

    Vorlesung: Mittwochs, 08:30 – 10:00 Uhr in

  • Computational Statistics

    Dozent: Prof. Dr. Martin Schlather

    ECTS: 8

    Lehrinhalte: • Einstieg in die Problematik des schnellen Rechnens
    anhand der Matrixmultiplikation • Komplexitätstheorie • Markov Chain Monte Carlo (MCMC) • Bayessche Statistik • Bootstrapping • Stochastische Algorithmen • Kurzeinstieg in C • Paralleles Rechnen (OMP, SIMD, GPU) in C

    Vorausgesetzte Kenntnisse: • Stochastik 1 & 2 • eine Programmiersprache; C ist von Vorteil, aber nicht notwendig

    Vorlesung: Dienstags, 08:30 – 10:00 Uhr in

                       Donnerstags, 12:00 – 13:30 Uhr

    Übungen: tba

    Falls Sie die Zugangsdaten für die Website bzw. Ilias noch nicht haben, erkundigen Sie sich bitte bei Ihren Kommilitonen.

  • Anschlußseminar „Komplexe Modelle“ (BA und MA)

    Dozent: Prof. Dr. Martin Schlather

    Vorbesprechung: Donnerstag, 01.12.2022 um 10:00 Uhr in C 012