TU Wien:Multivariate Statistik VO (Filzmoser)

Aus VoWi
Zur Navigation springen Zur Suche springen
Ähnlich benannte LVAs (Materialien):


Daten[Bearbeiten | Quelltext bearbeiten]

Vortragende Peter Filzmoser
ECTS 4,5
Alias Multivariate Statistics (en)
Letzte Abhaltung 2024W
Sprache „bei bedarf in englisch“ ist kein zulässiger Sprachcode.
Mattermost multivariate-statistikRegisterMattermost-Infos
Links tiss:107388
Zuordnungen
Bachelorstudium Informatik Modul Multivariate Statistik (Breite Wahl)
Bachelorstudium Medizinische Informatik Modul Multivariate und computerintensive statistische Methoden (Gebundenes Wahlfach)
Bachelorstudium Software & Information Engineering Modul Multivariate und computerintensive statistische Methoden (Gebundenes Wahlfach)
Masterstudium Data Science Modul MLS/EX - Machine Learning and Statistics - Extension
Masterstudium Business Informatics Modul DA/COR - Data Analytics Core (Gebundenes Wahlfach)


Inhalt[Bearbeiten | Quelltext bearbeiten]

Clusteranalyse, Multivariate lineare Regression, Robuste Statistik, Hauptkomponentenanalyse, Faktorenanalyse, Korrelationsanalyse, Diskriminanzanalyse, Projection Pursuit.

Ablauf[Bearbeiten | Quelltext bearbeiten]

[WS 18/19] Wöchentlich 2 Termine, Vortrag, Übungen.

Benötigte/Empfehlenswerte Vorkenntnisse[Bearbeiten | Quelltext bearbeiten]

Programmierkenntnisse in R. Lineare Algebra, Matrizenrechnung; Eigenwertzerlegung, Singular Value Decomposition werden behandelt, schadet aber nicht davon eine Ahnung zu haben.

Vortrag[Bearbeiten | Quelltext bearbeiten]

Vortrag zum projezierten Skriptum. Zusätzliche Erklärungen an der Tafel, teilweise Herleitungen und Beweise. Erklärungen zur Umsetzung in R.

Übungen[Bearbeiten | Quelltext bearbeiten]

Siehe VOWI Eintrag zur Übung (getrennte LV-Nummern). Die Übung wird zu einer festgelegten Zeit innerhalb der VO-Termine abgehalten, wurde aber manchmal nicht streng eingehalten (für die Leute die nur zum Übungsteil kommen wollen...).

Prüfung, Benotung[Bearbeiten | Quelltext bearbeiten]

Mündliche Prüfung, typischerweise 2 Fragen pro KandidatIn. Benotung scheint recht milde, wenn man gut vorbereitet ist. (Prfg ähnlich wie z.B: Datenanalyse)

Modus: man bekommt ein Blatt und kann sich entweder zu einem Thema vorbereiten oder wird direkt gefragt. Auf dem Blatt Formeln, Skizzen, etc., notieren.

Zoom-Version: 15-Minuten Einzelslots. Man muss 15 Minuten vor dem Slot im Warteraum des Prüfungsmeetings erscheinen. Dann wird man in das Meeting hineingelassen, und muss die Notizen (Zoom-Whiteboard oder Papier) nach der Prüfung als E-Mail an Prof. Filzmoser schicken.

Dauer der Zeugnisausstellung[Bearbeiten | Quelltext bearbeiten]

  • Prüfung am 3.10.2019. Noch am selben Tag.
  • Prüfung am 18.02.2021. Noch am selben Tag.

Zeitaufwand[Bearbeiten | Quelltext bearbeiten]

Je nach dem wie viel man aus den Übungen mitgenommen hat und auch abschätzen kann was ihm wichtig ist. Jedenfalls nicht unterschätzen, viel Stoff!

Unterlagen[Bearbeiten | Quelltext bearbeiten]

Skriptum wird zur Verfügung gestellt. Inhalt der LV basiert zum Teil auf Büchern:

  • Johnson, Wichern (2008) Applied Multivariate Statistical Analysis, 6th Edition

https://www.pearson.com/us/higher-education/product/Johnson-Applied-Multivariate-Statistical-Analysis-6th-Edition/9780131877153.html

  • James et al (2013) An Introduction to Statistical Learning, with Applications in R

PDF online verfügbar: https://www-bcf.usc.edu/~gareth/ISL/

Tipps[Bearbeiten | Quelltext bearbeiten]

Besuch der Vorlesung zahlt sich meiner Meinung nach sehr aus. Nicht nur wird die Theorie gut erklärt, auch wird R Code gezeigt und besprochen, hilft beim Lösen der Übungsblätter. Die Übungen, soweit ich weiß ohnehin Pflicht, sind auch sehr lehrreich.


In the Exams it is really really important to know the formulas, especially if the exam is written. Actually for a written exam it is probably enough to know the important formulas (objective functions, functions to be maximized or minimized), and only understand the rest a little bit. Only understanding of the topics, without knowing the formulas will probably not be enough in any case.

Highlights / Lob[Bearbeiten | Quelltext bearbeiten]

noch offen

Verbesserungsvorschläge / Kritik[Bearbeiten | Quelltext bearbeiten]

noch offen