Statistische Methoden in MATLAB
Programm ansehen und anmeldenKursbeschreibung
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