Modulinhalt
Aufbauend auf Angewandte Statistik I werden komplexere statistische Methoden behandelt: Generalisierte Lineare Modelle (GLM), Hauptkomponentenanalyse (PCA), Unabhängigkeitsanalyse (ICA) und Bayes-Statistik.
Der Schwerpunkt liegt auf der praktischen Anwendung aller Methoden und deren Implementation in der Programmiersprache Python (mit den Modulen statsmodels, scipy.stats, sklearn und pystan) und der Darstellung der Ergebnisse in Notebooks.
Qualifikationsziele
Die Studenten sollen weiterführende statistische Methoden kennen-, anwenden und in Software implementieren lernen. Die Unterschiede zwischen frequentistischer und Bayes-Statistik werden hinterfragt. Angeeignetes Wissen und Erfahrung soll die Studenten in die Lage versetzen, Versuche selbst planen und auswerten zu können und dabei typische Fehler zu vermeiden. In der Literatur dargestellte Ergebnisse werden kritisch hinterfragt.
