Fachbereich 07: Mathematik und Informatik, Physik, Geographie - Informatik - Master of Science - Angewandte Informatik (ab Wintersemester 2026/27)

Dieser Kurs ist die Fortsetzung des Kurses R 3 aus dem/einem vorhergehenden Sommersemester. Beachten Sie bitte die ganz unten aufgeführten notwendigen Voraussetzungen.

(Und beachten Sie auch wieder, dass es in diesem Modul eine dazugehörige Übung gibt, in die Sie sich bitte ebenfalls via Stud.IP eintragen, wenn Sie daran teilzunehmen beabsichtigen.)

Kompetenzziele: Sie erlernen die vertiefte Analyse realer Daten durch lineare Modelle und andere statistische Methoden und Modelle mit der Open-Source-Software R und werden
• die lineare Regression beherrschen,
• in der Lage sein, ein- und mehrfaktorielle Varianzanalysen umzusetzen sowie
• ein bis zwei weitere statistische Methoden kennen gelernt haben.

Modulinhalte:
• Parametrische ein- und zweifaktorielle Varianzanalyse samt multipler (Erwartungswerte-)Vergleiche und
• eine Auswahl aus Themen wie
+ Nichtparametrische ein- und zweifaktorielle Varianzanalyse
+ Lebensdaueranalyse (Zensierte Daten, Schätzung in parametrischen Lebensdauerverteilungsmodellen, nicht-parametrische Schätzung gemäß Kaplan-Meier, Regression mit zensierten Daten im Cox Proportional Hazards Modell)
+ Verallgemeinerte Lineare Modelle wie z. B. Logistisches und Poisson-Regressionsmodell
+ Lineare Modelle mit gemischten Effekten
+ Nichtparametrische Kurvenschätzung, z. B. mittels Kernschätzern und Nearest-Neighbour-Schätzern
+ Nichtlineare Regression

Formales für Studierende des Master-Studienganges Mathematik ist im Modulhandbuch zu finden (siehe z. B. unter https://www.uni-giessen.de/mug/7/findex36.html/7_36_07_3_M in der Anlage 2).

Der Kurs richtet sich an Studierende des Master-Studienganges Mathematik mit Interesse an angewandter Stochastik und an Studierende aus anderen Fachgebieten mit belastbarem mathematisch-statistischem Basiswissen. Kenntnisse aus den Modulen "Grundlagen der Datenanalyse mit R (R 1)", "Statistik und Simulationen mit R (R 2)" und "Lineare Modelle mit R: Regression und Varianzanalyse (R 3)" (oder vergleichbare Kenntnisse) sowie aus grundlegenden Vorlesungen zur Stochastik/Statistik und zur Theorie der linearen Modelle sind unabdingbar notwendig. (Kenntnisse über weitere statistische Modelle sind wünschenswert, aber nicht nötig.)
Um die rechtzeitige Installation der aktuellsten Version von R (4.6.1 seit Juni 2026) muss sich - wie zuvor - vor Beginn des Kurses selbst gekümmert werden.

In this lecture, you will get an introduction to basic principles of human brain organization and the methods to investigate them experimentally, with a focus on computational analyses of functional brain data, including neural decoding and artificial neural network models. Based on attendee preferences, the course will be taught in German or English.

In this seminar, you will get an introduction to the human visual system, as a model system for understanding the principles of neural coding and how we can reveal them using neuro-computational methods. Based on attendee preferences, the course will be taught in German or English.

Siehe die zugehörige Vorlesung.