Das Frühjahrssemester 2021 findet bis auf Weiteres online statt. Ausnahmen: Veranstaltungen, die nur mit Präsenz vor Ort durchführbar sind. Bitte beachten Sie die Informationen der Dozierenden.

Lukas Meier: Katalogdaten im Frühjahrssemester 2019

NameHerr Dr. Lukas Meier
Adresse
Seminar für Statistik (SfS)
ETH Zürich, HG G 15.2
Rämistrasse 101
8092 Zürich
SWITZERLAND
Telefon+41 44 632 97 49
E-Maillukas.meier@stat.math.ethz.ch
URLhttp://stat.ethz.ch/~meier/
DepartementMathematik
BeziehungDozent

NummerTitelECTSUmfangDozierende
401-0612-00LStatistik und Wahrscheinlichkeitsrechnung Information 5 KP3V + 1UL. Meier
KurzbeschreibungEinführung in die Grundlagen der Statistik, Wahrscheinlichkeitstheorie und Modellierung von Unsicherheiten im Zusammenhang mit Entscheidungsfindungen im Ingenieurwesen. Die Schwerpunkte liegen im Erstellen wahrscheinlichkeitstheoretischer Modelle, im Testen von Hypothesen und in der Überprüfung der Modelle. Als Software wird MATLAB verwendet.
LernzielDas Ziel des Kurses besteht darin, den Studenten grundlegende Hilfsmittel der Statistik und Wahrscheinlichkeitstheorie näherzubringen. Stets bezogen auf den Bereich der Risikobeurteilung und Entscheidungsfindung im Ingenieurwesen liegt der Schwerpunkt in der Anwendung der Hilfsmittel und in der Argumentation, die hinter der Anwendung dieser Disziplinen steht.
InhaltGrundlagen der Wahrscheinlichkeitstheorie:

Grundlagen der Mengenlehre, Definitionen von Wahrscheinlichkeit, Axiome der Wahrscheinlichkeitstheorie, Wahrscheinlichkeiten von Vereinigungen und Schnittmengen, bedingte Wahrscheinlichkeiten, Satz von Bayes.

Modellierung von Unsicherheiten:

Zufallsvariablen, diskrete und kontinuierliche Verteilungen, Momente, Verteilungsparameter, Eigenschaften des Erwartungswertes, multivariate Verteilungen, Funktionen von Zufallsvariablen, der zentrale Grenzwertsatz, typische Verteilungen im Ingenieurswesen.

Beschreibende Statistik:

Grafische Darstellungen (Histogramme, Streudiagramme, Box-Plots), numerische Kennwerte.

Schätzungen und Modellbildung:

Auswahl der Verteilungsmodelle, QQ-Plots, Parameterschätzung, Momentenmethode, Maximum-Likelihood-Methode, Vertrauensintervalle, Hypothesentests.
SkriptEin Skript wird zur Verfügung gestellt.
401-0620-00LStatistischer Beratungsdienst0 KP0.1KM. Kalisch, L. Meier
KurzbeschreibungDer statistische Beratungsdienst steht allen Angehörigen der ETH und in begrenztem Masse auch Aussenstehenden offen.
LernzielBeratung bei der statistischen Auswertung von wissenschaftlichen Daten.
InhaltStudierende und Forschende werden bei der Auswertung wissenschaftlicher Daten individuell beraten, insbesondere auch bei Bacheor-, Master- und Doktorarbeiten. Es ist sehr empfehlenswert, den Beratungsdienst nicht erst kurz vor dem Abschluss einer Arbeit aufzusuchen, sondern bereits bei der Planung einer Studie.
Voraussetzungen / BesonderesDies ist keine Vorlesung sondern ein Beratungsangebot. Es wird keine Prüfung durchgeführt, und es werden keine Kreditpunkte vergeben.

Anmeldungen richtet man an beratung@stat.math.ethz.ch Tel. 044 632 2223 oder 044 632 34 30

Voraussetzungen: Kenntnis der Grundbegriffe der Statistik ist sehr erwünscht.
401-4620-00LStatistics Lab Belegung eingeschränkt - Details anzeigen
Maximale Teilnehmerzahl: 27
6 KP2SM. Kalisch, M. H. Maathuis, M. Mächler, L. Meier, N. Meinshausen
Kurzbeschreibung"Statistics Lab" is an Applied Statistics Workshop in Data Analysis. It
provides a learning environment in a realistic setting.

Students lead a regular consulting session at the Seminar für Statistik
(SfS). After the session, the statistical data analysis is carried out and
a written report and results are presented to the client. The project is
also presented in the course's seminar.
Lernziel- gain initial experience in the consultancy process
- carry out a consultancy session and produce a report
- apply theoretical knowledge to an applied problem

After the course, students will have practical knowledge about statistical
consulting. They will have determined the scientific problem and its
context, enquired the design of the experiment or data collection, and
selected the appropriate methods to tackle the problem. They will have
deepened their statistical knowledge, and applied their theoretical
knowledge to the problem. They will have gathered experience in explaining
the relevant mathematical and software issues to a client. They will have
performed a statistical analysis using R (or SPSS). They improve their
skills in writing a report and presenting statistical issues in a talk.
InhaltStudents participate in consulting meetings at the SfS. Several consulting
dates are available for student participation. These are arranged
individually.

-During the first meeting the student mainly observes and participates in
the discussion. During the second meeting (with a different client), the
student leads the meeting. The member of the consulting team is overseeing
(and contributing to) the meeting.

-After the meeting, the student performs the recommended analysis, produces
a report and presents the results to the client.

-Finally, the student presents the case in the weekly course seminar in a
talk. All students are required to attend the seminar regularly.
Skriptn/a
LiteraturThe required literature will depend on the specific statistical problem
under investigation. Some introductory material can be found below.
Voraussetzungen / BesonderesPrerequisites:
Sound knowledge in basic statistical methods, especially regression and, if
possible, analysis of variance. Basic experience in Data Analysis with R.
401-5640-00LZüKoSt: Seminar on Applied Statistics Information 0 KP1KM. Kalisch, P. L. Bühlmann, R. Furrer, L. Held, T. Hothorn, M. H. Maathuis, M. Mächler, L. Meier, N. Meinshausen, M. Robinson, C. Strobl, S. van de Geer
Kurzbeschreibung5 bis 6 Vorträge zur angewandten Statistik.
LernzielKennenlernen von statistischen Methoden in ihrer Anwendung in verschiedenen Gebieten, besonders in Naturwissenschaft, Technik und Medizin.
InhaltIn 5-6 Einzelvorträgen pro Semester werden Methoden der Statistik einzeln oder überblicksartig vorgestellt, oder es werden Probleme und Problemtypen aus einzelnen Anwendungsgebieten besprochen.
3 bis 4 der Vorträge stehen in der Regel unter einem Semesterthema.
SkriptBei manchen Vorträgen werden Unterlagen verteilt.
Eine Zusammenfassung ist kurz vor den Vorträgen im Internet unter http://stat.ethz.ch/talks/zukost abrufbar.
Ankündigunen der Vorträge werden auf Wunsch zugesandt.
Voraussetzungen / BesonderesDies ist keine Vorlesung. Es wird keine Prüfung durchgeführt, und es werden keine Kreditpunkte vergeben.
Nach besonderem Programm. Koordinator M. Kalisch, Tel. 044 632 3435
Lehrsprache ist Englisch oder Deutsch je nach ReferentIn.
Course language is English or German and may depend on the speaker.
701-0105-00LMathematik VI: Angewandte Statistik für Umweltnaturwissenschaften
Diese Lerneinheit (LE) ist für Studierende im Reglement 2016 obligatorisch.

Voraussetzung: Besuch von «401-0624-00 Mathematik IV: Statistik» oder vergleichbare Lehrveranstaltung

Im Studienjahr 2018/19 wird diese LE sowohl im HS18 (für Studierende mit Studienbeginn im HS16) und im FS19 (für Studierende mit Studienbeginn im HS17) angeboten.

Ab dem Studienjahr 2019/20 findet diese LE im FS statt.
3 KP2GC. Bigler, M. Kalisch, L. Meier
KurzbeschreibungStatistische Verfahren aus aktuellen Publikationen der Umweltnaturwissenschaften werden vorgestellt und angewendet. Die Teilnehmenden können Methoden nachvollziehen und beschreiben, Datensätze bereinigen, diese mit dem Softwarepaket R analysieren und Resultate in geeigneter Form darstellen. Sie können Stärken und Schwächen behandelter Verfahren für gegebene Anwendungsgebiete beschreiben.
LernzielDie Studierenden können
- geeignete statistische Methoden für die Datenanalyse in ihrem Fachgebiet nutzen.
- Datensätze mit Hilfe von explorativen Methoden charakterisieren.
- Datensätze auf ihre Tauglichkeit für die Beantwortung einer gegebenen Fragestellung prüfen, für den Import in ein Statistikprogramm aufbereiten und die Analyse durchführen.
- statistische Auswertungen interpretieren und für Präsentationen und Publikationen grafisch aufbereiten.
- Grundlagen von statistischen Methoden in aktuellen Papers beschreiben.
- das Softwarepaket R für statistische Analysen anwenden
InhaltStatistische Methoden: Regression (lineare Modelle; generalisierte lineare Modelle, GLMs); Varianzanalyse (ANOVA); gemischte Modelle für gruppierte Daten (mixed-effects models); Fragebogenstatistik; Tests (t Test)

Werkzeuge: Explorative Datenanalyse für Hypothesenbildung; Auswahlverfahren für geeignete statistische Verfahren; Datenaufbereitung (Excel -> R; Datenbereinigung); graphische Darstellung von Resultaten; statistische Verfahren in Publikationen erkennen.
Wir arbeiten mit dem Softwarepaket R.

Form: Im Wochenrhythmus finden alternierend Einführungen in eine neue Methode und Übungsstunden zum Thema statt.
Voraussetzungen / BesonderesBesuch von "Mathematik IV: Statistik" oder vergleichbare Lehrveranstaltung.
Die Schlussprüfung findet am Freitag 14.6.2019 (9:00 - 10:30) statt.