htw saar
Zurück zur Hauptseite

Version des Moduls auswählen:

Stochastik 1

Modulbezeichnung: Stochastik 1
Modulbezeichnung (engl.): Stochastics 1
Studiengang: Praktische Informatik, Master, ASPO 01.10.2017
Code: PIM-STO1
SWS/Lehrform: 2V (2 Semesterwochenstunden)
ECTS-Punkte: 3
Studiensemester: 1
Pflichtfach: nein
Arbeitssprache:
Deutsch
Prüfungsart:
Klausur
Zuordnung zum Curriculum:
KIM-STO1 Kommunikationsinformatik, Master, ASPO 01.10.2017, 1. Semester, Wahlpflichtfach, nicht informatikspezifisch
PIM-WI50 Praktische Informatik, Master, ASPO 01.10.2011, 1. Semester, Wahlpflichtfach, nicht informatikspezifisch
PIM-STO1 Praktische Informatik, Master, ASPO 01.10.2017, 1. Semester, Wahlpflichtfach, nicht informatikspezifisch
Arbeitsaufwand:
Die Präsenzzeit dieses Moduls umfasst bei 15 Semesterwochen 30 Stunden. Der Gesamtumfang des Moduls beträgt bei 3 Creditpoints 90 Stunden (30 Std/ECTS). Daher stehen für die Vor- und Nachbereitung der Veranstaltung zusammen mit der Prüfungsvorbereitung 60 Stunden zur Verfügung.
Empfohlene Voraussetzungen (Module):
Keine.
Als Vorkenntnis empfohlen für Module:
PIM-STO2 Stochastik 2


[letzte Änderung 12.01.2018]
Modulverantwortung:
Prof. Dr. Barbara Grabowski
Dozent: Prof. Dr. Barbara Grabowski

[letzte Änderung 10.11.2016]
Lernziele:
Die Studierenden sind nach erfolgreichem Abschluss des Moduls in der Lage, statistische Methoden zur Beschreibung von zufallsbehafteten Datenmengen und zum Erkennen von Zusammenhängen von und Strukturen in diesen Datenmengen korrekt auszuwählen und anzuwenden, sowie die Ergebnisse der Analysen richtig zu interpretieren.
Die Studierenden können zufallsbehaftete Merkmale durch Wahrscheinlichkeitsverteilungen beschreiben und wissen, wie man diese Verteilungen praktisch ermittelt. Sie können Wahrscheinlichkeiten berechnen und interpretieren.
Die Studierenden können diskret zeitabhängige zufällige Vorgänge mit endlichem Zustandsraum durch Markow-Modelle (Ketten) und die Performance von durch Markov-Ketten beschreibbaren Systemen berechnen bzw. analysieren.


[letzte Änderung 12.01.2018]
Inhalt:
1.      Statistische Grundlagen der Analyse großer Datenmengen
1.1     Statistische Maßzahlen zur Beschreibung von Zusammenhängen
1.2     Clusterverfahren
1.3     Klassifizierungsverfahren
 
2.      Grundlagen der Wahrscheinlichkeitsrechnung
 
3.      Markovketten und ihre Anwendungen
3.1     Diskrete Zufallsgrößen
3.2     Markovketten
3.3     Anwendungen von Markovketten bei der Quell-Codierung
3.4     Anwendungen von Markovketten bei der Simulation diskreter Systeme
 
4.      Zufallsgrößen und Ihre Verteilungen
4.1     Diskrete und stetige Zufallsgrößen
4.2     Spezielle Wahrscheinlichkeitsverteilungen und Anwendungen


[letzte Änderung 12.01.2018]
Lehrmethoden/Medien:
Die Vorlesung findet zu 50% im PC-Labor AMSEL "Angewandte Mathematik, Statistik und eLearning" statt. Es werden hier computergestützte praktische Fallbeispiele mit R und ANYLOGIC zu den vermittelten Methoden durchgeführt.
    
Weiterhin wird das eLearning-System MathCoach-Statistik (AMSEL-PC-Labor 5306) eingesetzt. Die Studenten lösen Hausaufgaben und Übungsaufgaben mit diesem System.


[letzte Änderung 12.01.2018]
Literatur:
MATHAR, Rudolf; PFEIFER, Dietmar: Stochastik für Informatiker, B.G.Teubner Stuttgart 1990.
GRABOWSKI, Barbara: Stochastik für Informatiker, e-Learning-Buch in OpenOLAT.


[letzte Änderung 12.01.2018]
Modul angeboten in Semester:
WS 2017/18
[Tue Feb 20 20:13:05 CET 2018, CKEY=ps1, BKEY=pim2, CID=PIM-STO1, LANGUAGE=de, DATE=20.02.2018]