Statistische Methoden in MATLAB
Programm ansehen und anmeldenKursbeschreibung
- Datenverwaltung
- Berechnen statistischer Kennzahlen
- Visualisieren von Daten
- Anpassen von Verteilungen
- Ausführen von Signifikanztests
- Ausführen von Varianzanalysen
- Anpassen von Regressionsmodellen
- Reduzieren von Datensätzen
- Generieren von Zufallszahlen und Ausführen 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.
Tag 1 von 2
Datenimport und -organisation
Ziel: Laden und Organisieren von Daten in MATLAB für die Analyse. Zusammenführen von Daten und Umgang mit Datenlücken.
- Importieren von Daten
- Datentypen
- Tabellarische Daten (Tables)
- Zusammenführen von Daten
- Kategoriale Daten
- Umgang mit Datenlücken
Untersuchung der Daten
Ziel: Ausführen einer grundlegenden statistischen Untersuchung eines Datensatzes, einschließlich Visualisierung und Berechnung statistischer Kennzahlen.
- Visualisierung von Daten
- Berechnen von Parametern wie Lage, Streuung und Form
- Bestimmen von Korrelationskoeffizienten
- Ausführen von Berechnungen auf gruppierten Daten
Verteilungen
Ziel: Untersuchen verschiedener Wahrscheinlichkeitsverteilungen und Anpassen (Fitten) der Verteilungen an einen Datensatz. Verwenden von Zufallszahlen zur Bewertung der Unsicherheit oder Sensibilität eines Modells oder Ausführen von Simulationen. Erzeugen von Zufallszahlen aus verschiedenen Verteilungen und Steuern der Zufallszahlenalgorithmen in MATLAB.
- Wahrscheinlichkeitsverteilungen und ihre Parameter
- Vergleichen und Anpassen von Verteilungen
- Nichtparametrische Verteilungsanpassung
- Bootstrapping und Simulation
- Erzeugen von Zahlen aus beliebigen Verteilungen
- Steuern des Zufallszahlenstroms
Tag 2 von 2
Hypothesentests
Ziel: Bestimmen, ob ein Datensatz eine Hypothese über der Grundgesamtheit hinreichend stützt. Anwenden von Hypothesentests für häufige Anwendungsfälle, z. B. Vergleichen der Lage-und Streuungsparameter zweier Verteilungen.
- Konfirmatorische Datenanalyse
- Hypothesentests für normalverteilte Daten
- Hypothesentests für nicht normalverteilte Daten
Varianzanalyse
Ziel: Vergleichen der Mittelwerte mehrerer Datengruppen und Auffinden statistisch signifikanter Unterschiede.
- Durchführen von Varianzanalyse (ANOVA)
- Paarweises Vergleichen mehrerer Gruppen
- Mehrdimensionale ANOVA und Multivariate Varianzanalyse (MANOVA)
- ANOVA für nicht normalverteilte Daten
- Testen auf Unabhängigkeit für kategoriale Daten
Regressionsanalyse
Ziel: Erstellen von Vorhersagemodellen durch Anpassen linearer und nichtlinearer Modelle an einen Datensatz. Erkunden von Techniken zum Verbessern der Modellgüte. Vereinfachen hochdimensionaler Datensätze durch Dimensionsreduktion.
- Lineare Regressionsmodelle
- Anpassen linearer Modelle an Daten
- Bewerten und Verfeinern des Modells
- Logistische und verallgemeinerte lineare Regression
- Nichtlineare Regression
- Auswählen und Transformieren von Merkmalen
Stufe: Aufbaukurse
Voraussetzungen:
- MATLAB Grundlagen, Grundkenntnisse in Statistik
Dauer: 2 Tage
Sprachen: Deutsch, English, 日本語, 한국어, 中文