Name | Herr Dr. Markus Kalisch |
Adresse | Seminar für Statistik (SfS) ETH Zürich, HG G 15.2 Rämistrasse 101 8092 Zürich SWITZERLAND |
Telefon | +41 44 632 34 35 |
markus.kalisch@stat.math.ethz.ch | |
Departement | Mathematik |
Beziehung | Dozent |
Nummer | Titel | ECTS | Umfang | Dozierende | |
---|---|---|---|---|---|
401-0620-00L | Statistischer Beratungsdienst | 0 KP | 0.1K | M. Kalisch, L. Meier | |
Kurzbeschreibung | Der statistische Beratungsdienst steht allen Angehörigen der ETH und in begrenztem Masse auch Aussenstehenden offen. | ||||
Lernziel | Beratung bei der statistischen Auswertung von wissenschaftlichen Daten. | ||||
Inhalt | Studierende und Forschende werden bei der Auswertung wissenschaftlicher Daten individuell beraten, insbesondere auch bei Bachelor-, Master- und Doktorarbeiten. Es ist sehr empfehlenswert, den Beratungsdienst nicht erst kurz vor dem Abschluss einer Arbeit aufzusuchen, sondern bereits bei der Planung einer Studie. | ||||
Voraussetzungen / Besonderes | Dies ist keine Vorlesung sondern ein Beratungsangebot. Es wird keine Prüfung durchgeführt, und es werden keine Kreditpunkte vergeben. Anmeldungen richtet man an beratung@stat.math.ethz.ch Tel. 044 632 2223. Siehe auch http://stat.ethz.ch/consulting Voraussetzungen: Kenntnis der Grundbegriffe der Statistik ist sehr erwünscht. | ||||
401-0643-13L | Statistik II | 3 KP | 2V + 1U | M. Kalisch | |
Kurzbeschreibung | Vertiefung von Statistikmethoden. Nach dem detailierten Fundament aus Statistik I liegt nun der Fokus auf konzeptueller Breite und konkreter Problemlösungsfähigkeit mit der Statistiksoftware R. | ||||
Lernziel | Nach diesem Kurs können Sie mit der Statistiksoftware R Daten einlesen, auf vielfältige Art verarbeiten und Grafiken für Berichte oder Vorträge exportieren. Sie verstehen die Konzepte von Methoden wie Lineare Regression (mit Faktoren, Interaktion, Modellwahl), ANOVA (1-weg, 2-weg), Chi-Quadrat-Test, Fisher-Test, GLMs, Mixed Models, Clustering, PCA und können diese mit der Statistiksoftware R in der Praxis umsetzen. Zudem kennen Sie die Grundprinzipien von gutem experimentellem Design und können bestehende Studien kritisch hinterfragen. | ||||
401-5640-00L | ZüKoSt: Seminar on Applied Statistics | 0 KP | 1K | M. Kalisch, R. Furrer, L. Held, T. Hothorn, M. H. Maathuis, M. Mächler, L. Meier, N. Meinshausen, M. Robinson, C. Strobl, S. van de Geer | |
Kurzbeschreibung | Etwa 5 Vorträge zur angewandten Statistik. | ||||
Lernziel | Kennenlernen von statistischen Methoden in ihrer Anwendung in verschiedenen Anwendungsgebieten. | ||||
Inhalt | In etwa 5 Einzelvorträgen pro Semester werden Methoden der Statistik einzeln oder überblicksartig vorgestellt, oder es werden Probleme und Problemtypen aus einzelnen Anwendungsgebieten besprochen. | ||||
Voraussetzungen / Besonderes | Dies ist keine Vorlesung. Es wird keine Prüfung durchgeführt, und es werden keine Kreditpunkte vergeben. Nach besonderem Programm: http://stat.ethz.ch/events/zukost Lehrsprache ist Englisch oder Deutsch je nach ReferentIn. | ||||
406-0603-AAL | Stochastics (Probability and Statistics) Belegung ist NUR erlaubt für MSc Studierende, die diese Lerneinheit als Auflagenfach verfügt haben. Alle andere Studierenden (u.a. auch Mobilitätsstudierende, Doktorierende) können diese Lerneinheit NICHT belegen. | 4 KP | 9R | M. Kalisch | |
Kurzbeschreibung | Introduction to basic methods and fundamental concepts of statistics and probability theory for non-mathematicians. The concepts are presented on the basis of some descriptive examples. Learning the statistical program R for applying the acquired concepts will be a central theme. | ||||
Lernziel | The objective of this course is to build a solid fundament in probability and statistics. The student should understand some fundamental concepts and be able to apply these concepts to applications in the real world. Furthermore, the student should have a basic knowledge of the statistical programming language "R". | ||||
Inhalt | From "Statistics for research" (online) Ch 1: The Role of Statistics Ch 2: Populations, Samples, and Probability Distributions Ch 3: Binomial Distributions Ch 6: Sampling Distribution of Averages Ch 7: Normal Distributions Ch 8: Student's t Distribution Ch 9: Distributions of Two Variables From "Introductory Statistics with R (online)" Ch 1: Basics Ch 2: The R Environment Ch 3: Probability and distributions Ch 4: Descriptive statistics and tables Ch 5: One- and two-sample tests Ch 6: Regression and correlation | ||||
Literatur | - "Statistics for research" by S. Dowdy et. al. (3rd edition); Print ISBN: 9780471267355; Online ISBN: 9780471477433; DOI: 10.1002/0471477435 From within the ETH, this book is freely available online under: http://onlinelibrary.wiley.com/book/10.1002/0471477435 - "Introductory Statistics with R" by Peter Dalgaard; ISBN 978-0-387-79053-4; DOI: 10.1007/978-0-387-79054-1 From within the ETH, this book is freely available online under: http://www.springerlink.com/content/m17578/ | ||||
701-0105-00L | Mathematik VI: Angewandte Statistik für Umweltnaturwissenschaften Diese Lerneinheit (LE) ist für Studierende im Reglement 2016 obligatorisch. Voraussetzung: erfolgreiche Belegung von 401-0624-00 Mathematik IV: Statistik. Im Studienjahr 2018/19 wird diese LE sowohl im HS18 (für Studierende mit Studienbeginn im HS16) und im FS19 (für Studierende mit Studienbeginn im HS17) angeboten. Ab dem Studienjahr 2019/20 findet diese LE im FS statt. | 3 KP | 2G | C. Bigler, M. Kalisch, L. Meier | |
Kurzbeschreibung | Statistische Verfahren aus aktuellen Publikationen der Umweltnaturwissenschaften werden vorgestellt und angewendet. Die Teilnehmenden können Methoden nachvollziehen und beschreiben, Datensätze bereinigen, diese mit dem Softwarepaket R analysieren und Resultate in geeigneter Form darstellen. Sie können Stärken und Schwächen behandelter Verfahren für gegebene Anwendungsgebiete beschreiben. | ||||
Lernziel | Die Studierenden können - geeignete statistische Methoden für die Datenanalyse in ihrem Fachgebiet nutzen. - Datensätze mit Hilfe von explorativen Methoden charakterisieren. - Datensätze auf ihre Tauglichkeit für die Beantwortung einer gegebenen Fragestellung prüfen, für den Import in ein Statistikprogramm aufbereiten und die Analyse durchführen. - statistische Auswertungen interpretieren und für Präsentationen und Publikationen grafisch aufbereiten. - Grundlagen von statistischen Methoden in aktuellen Papers beschreiben. - das Softwarepaket R für statistische Analysen anwenden | ||||
Inhalt | Statistische Methoden: Regression (lineare Modelle; generalisierte lineare Modelle, GLMs); Varianzanalyse (ANOVA); gemischte Modelle für gruppierte Daten (mixed-effects models); Fragebogenstatistik; Tests (t Test) Werkzeuge: Explorative Datenanalyse für Hypothesenbildung; Auswahlverfahren für geeignete statistische Verfahren; Datenaufbereitung (Excel -> R; Datenbereinigung); graphische Darstellung von Resultaten; statistische Verfahren in Publikationen erkennen. Wir arbeiten mit dem Softwarepaket R. Form: Im Wochenrhythmus finden alternierend Einführungen in eine neue Methode und Übungsstunden zum Thema statt. | ||||
Voraussetzungen / Besonderes | Besuch von "Mathematik IV: Statistik" oder vergleichbare Lehrveranstaltung |