Markus Kalisch: Katalogdaten im Herbstsemester 2023

Auszeichnung: Die Goldene Eule
NameHerr 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
E-Mailmarkus.kalisch@stat.math.ethz.ch
DepartementMathematik
BeziehungDozent

NummerTitelECTSUmfangDozierende
401-0620-00LStatistischer Beratungsdienst0 KP0.1KM. Kalisch, L. Meier
KurzbeschreibungDer statistische Beratungsdienst steht allen Angehörigen der ETH und in begrenztem Masse auch Aussenstehenden offen.
LernzielBeratung bei der statistischen Auswertung von wissenschaftlichen Daten.
InhaltStudierende 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 / BesonderesDies 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.
401-3622-DRLStatistical Modelling Belegung eingeschränkt - Details anzeigen
Only for ZGSM (ETH D-MATH and UZH I-MATH) doctoral students. The latter need to register at myStudies and then send an email to info@zgsm.ch with their name, course number and student ID. Please see https://zgsm.math.uzh.ch/index.php?id=forum0
2 KP4GM. Kalisch
KurzbeschreibungIn der Regression wird die Abhängigkeit einer zufälligen Response-Variablen von anderen Variablen untersucht. Wir betrachten die Theorie der linearen Regression mit einer oder mehreren Ko-Variablen, hoch-dimensionale lineare Modelle, nicht-lineare Modelle und verallgemeinerte lineare Modelle, Modellwahl und nicht-parametrische Modelle.
Lernziel- Gründliches, theoretsiches Verständnis der Linearen Regression
- Überblick über mehrere Erweiterungen der Linearen Regression
- Fähigkeit die gelernten Methoden in einfachen Datenbeispielen korrekt anwenden zu können
InhaltIn der Regression wird die Abhängigkeit einer beobachteten quantitativen Grösse von einer oder mehreren anderen (unter Berücksichtigung zufälliger Fehler) untersucht. Themen der Vorlesung sind: Einfache und multiple Regression, Theorie allgemeiner linearer Modelle, Hoch-dimensionale Modelle, Ausblick auf nichtlineare Modelle, Modellsuche, Residuenanalyse, nicht-parametrische Regression. Durchrechnung und Diskussion von Anwendungsbeispielen.
Voraussetzungen / BesonderesThis is the course unit with former course title "Regression".
Credits cannot be recognised for both courses 401-3622-00L Statistical Modelling and 401-0649-00L Applied Statistical Regression in the Mathematics Bachelor and Master programmes (to be precise: one course in the Bachelor and the other course in the Master is also forbidden).
KompetenzenKompetenzen
Fachspezifische KompetenzenKonzepte und Theoriengeprüft
Verfahren und Technologiengeprüft
Methodenspezifische KompetenzenAnalytische Kompetenzengeprüft
Entscheidungsfindunggeprüft
Problemlösunggeprüft
Persönliche KompetenzenAnpassung und Flexibilitätgefördert
Kreatives Denkengefördert
Kritisches Denkengeprüft
Selbststeuerung und Selbstmanagement gefördert
401-3622-00LStatistical Modelling7 KP4GM. Kalisch
KurzbeschreibungIn der Regression wird die Abhängigkeit einer zufälligen Response-Variablen von anderen Variablen untersucht. Wir betrachten die Theorie der linearen Regression mit einer oder mehreren Ko-Variablen, hoch-dimensionale lineare Modelle, nicht-lineare Modelle und verallgemeinerte lineare Modelle, Robuste Methoden, Modellwahl und nicht-parametrische Modelle.
LernzielEinführung in Theorie und Praxis eines umfassenden und vielbenutzten Teilgebiets der Statistik, unter Berücksichtigung neuerer Entwicklungen.
InhaltIn der Regression wird die Abhängigkeit einer beobachteten quantitativen Grösse von einer oder mehreren anderen (unter Berücksichtigung zufälliger Fehler) untersucht. Themen der Vorlesung sind: Einfache und multiple Regression, Theorie allgemeiner linearer Modelle, Hoch-dimensionale Modelle, Ausblick auf nichtlineare Modelle. Querverbindungen zur Varianzanalyse, Modellsuche, Residuenanalyse; Einblicke in Robuste Regression. Durchrechnung und Diskussion von Anwendungsbeispielen.
Voraussetzungen / BesonderesThis is the course unit with former course title "Regression".
Credits cannot be recognised for both courses 401-3622-00L Statistical Modelling and 401-0649-00L Applied Statistical Regression in the Mathematics Bachelor and Master programmes (to be precise: one course in the Bachelor and the other course in the Master is also forbidden).
401-5640-00LZüKoSt: Seminar on Applied Statistics Information 0 KP1KM. Kalisch, F. Balabdaoui, A. Bandeira, P. L. Bühlmann, R. Furrer, L. Held, T. Hothorn, M. Mächler, L. Meier, N. Meinshausen, J. Peters, M. Robinson, C. Strobl
KurzbeschreibungEtwa 3 Vorträge zur angewandten Statistik.
LernzielKennenlernen von statistischen Methoden in ihrer Anwendung in verschiedenen Anwendungsgebieten.
InhaltIn etwa 3 Einzelvorträgen pro Semester werden Methoden der Statistik einzeln oder überblicksartig vorgestellt, oder es werden Probleme und Problemtypen aus einzelnen Anwendungsgebieten besprochen.
Voraussetzungen / BesonderesDies 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.
KompetenzenKompetenzen
Fachspezifische KompetenzenKonzepte und Theoriengefördert
Verfahren und Technologiengefördert
Methodenspezifische KompetenzenEntscheidungsfindunggefördert
Problemlösunggefördert
Persönliche KompetenzenKreatives Denkengefördert
Kritisches Denkengefördert
406-0603-AALStochastics (Probability and Statistics)
Belegung ist NUR erlaubt für MSc Studierende, die diese Lerneinheit als Auflagenfach verfügt haben.

Alle anderen Studierenden (u.a. auch Mobilitätsstudierende, Doktorierende) können diese Lerneinheit NICHT belegen.
4 KP9RM. Kalisch
KurzbeschreibungIntroduction 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.
LernzielThe 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".
InhaltFrom "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/
KompetenzenKompetenzen
Fachspezifische KompetenzenKonzepte und Theoriengeprüft
Verfahren und Technologiengeprüft
Methodenspezifische KompetenzenAnalytische Kompetenzengeprüft
Medien und digitale Technologiengeprüft
Problemlösunggeprüft
Persönliche KompetenzenSelbststeuerung und Selbstmanagement geprüft