Statistische Methoden in MATLAB

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:

MATLAB Grundlagen , Grundkenntnisse in Statistik sind empfohlen

Dauer: 2 Tage

Sprachen: Deutsch, English, Français, 日本語

Programm ansehen und anmelden