Schulungen zu MATLAB und Simulink

Statistische Methoden in MATLAB

Programm ansehen und anmelden

Kursbeschreibung

In diesem zweitägigen Kurs analysieren Sie Daten mit MATLAB® und der Statistics and Machine Learning Toolbox™. Sie beginnen mit dem Einlesen und Organisieren von Daten und führen dann statistische Auswertungen und Simulationen durch.

Themen sind unter anderem:

  • Daten-Management
  • Berechnen statistischer Kennzahlen
  • Visualisieren von Daten
  • Fitten von Verteilungen
  • Hypothesentests
  • Varianzanalyse
  • Regressionsmodelle
  • Reduzieren von Datenmengen
  • Erzeugen von Zufallszahlen und Durchführen von Simulationen

Dieser Kurs ist von GARP mit 14 CPD credit hours anerkannt. Wenn Sie als FRM oder ERP zertifiziert sind, dann können Sie den Kursbesuch erfassen unter https://www.garp.org/cpd.

Tag 1 von 2


Datenmanagement

Ziel: Importieren, Organisieren und Aufbereiten von Daten.

  • Datenimport
  • Datentypen
  • Tables
  • Verknüpfen von Daten
  • Kategoriale Daten
  • Umgang mit Datenlücken

Untersuchung der Daten

Ziel: Berechnen statistischer Kenngrößen und Darstellen von Daten.

  • Visualisieren der Daten
  • Lage- und Streuungsmaße
  • Verteilung der Daten
  • Korrelationen
  • Datengruppen

Verteilungen

Ziel: Identifizieren passender parametrischer Verteilungen für vorgegebene Daten, sowie das Fitten von Verteilungen an diese Daten.

  • Wahrscheinlichkeitsverteilungen
  • Parameter einer Verteilung
  • Vergleichen und Anpassen von Verteilungen
  • Nichtparametrisches Fitten

Hypothesentests

Ziel: Überprüfen aufgestellter Hypothesen, wie z.B. Gleichheit zweier Verteilungen.

  • Hypothesentests
  • Tests für normalverteilte Daten
  • Tests für nicht normalverteilte Daten

Tag 2 von 2


Varianzanalyse

Ziel: Überprüfen von Datengruppen auf signifikante Unterschiede der Mittelwerte bzw. Mediane.

  • Multiple Vergleiche
  • Eindimensionale ANOVA (ANalysis Of VAriance = Varianzanalyse)
  • Mehrdimensionale ANOVA
  • Multivariate ANOVA
  • ANOVA für nicht normalverteilte Daten
  • Kategoriale Korrelationen

Regressionsanalyse

Ziel: Fitten linearer und nichtlinearer Modelle an Datenmengen.

  • Lineare Regressionsmodelle
  • Auswerten der Modelle
  • Verfeinern der Modelle
  • Logistische und verallgemeinerte lineare Regression
  • Nichtlineare Regression

Arbeiten mit mehreren Dimensionen

Ziel: Reduzieren der Dimension von Datenmengen

  • Transformieren von Merkmalen
  • Auswählen von Merkmalen

Zufallszahlen und Simulationen

Ziel: Verwenden von Zufallszahlen zur Evaluation der Sensitivität eines Modells. Durchführen von Monte-Carlo-Simulationen.

  • Bootstrapping und Simulation
  • Generieren von Zufallszahlen aus parametrischen und nichtparametrischen Verteilungen
  • Beeinflussen des Zufallszahlenstroms

Stufe: Aufbaukurse

Voraussetzungen:

Dauer: 2 Tage

Sprachen: Deutsch, English, Français, 日本語

Programm ansehen und anmelden