401-0627-00L  Smoothing and Nonparametric Regression with Examples

SemesterHerbstsemester 2023
DozierendeS. Beran-Ghosh
Periodizitätjährlich wiederkehrende Veranstaltung
LehrspracheEnglisch



Lehrveranstaltungen

NummerTitelUmfangDozierende
401-0627-00 GSmoothing and Nonparametric Regression with Examples2 Std.
Fr14:15-16:00HG G 26.5 »
S. Beran-Ghosh

Katalogdaten

KurzbeschreibungStarting with an overview of selected results from parametric inference, kernel smoothing will be introduced along with some asymptotic theory, optimal bandwidth selection, data driven algorithms and some special topics. Selected numerical examples will be used for motivation. The presented methods will also be applicable elsewhere.
LernzielThe students will learn about methods of kernel smoothing and application of concepts to data. The aim will be to build sufficient interest in the topic and intuition as well as the ability to implement the methods to various different datasets.
InhaltRough Outline:

- Parametric estimation methods: selection of important results
o Method of Least squares: regression & diagnostics

- Nonparametric curve estimation
o Density estimation, Kernel regression, Local polynomials, Bandwidth selection, various theoretical results related to consistency
o Selection of special topics (as time permits, we will discuss some of the following): rapid change points, mode estimation, partial linear models, probability and quantile curve estimation, etc.

- Applications: potential areas of applications will be discussed such as, change assessment, trend and surface estimation and others.
SkriptSummaries or outlines of some of the lecture material may be communicated to registered students by Email at irregular intervals.

Note: These summaries/outlines will tend to be brief, likely to be incomplete & may have typos. Only in-class lessons will contain complete information.
LiteraturReferences:

- Kernel Smoothing: Principles, Methods and Applications, by Sucharita Ghosh, Wiley.
- Statistical Inference, by S.D. Silvey, Chapman & Hall.
- Regression Analysis: Theory, Methods and Applications, by A. Sen and M. Srivastava, Springer.
- Density Estimation, by B.W. Silverman, Chapman and Hall.
- Nonparametric Simple Regression, by J. Fox, Sage Publications.
- Applied Smoothing Techniques for Data Analysis: the Kernel Approach With S-Plus Illustrations, by A.W. Bowman, A. Azzalini, Oxford University Press.

Additional references will be given out in the lectures.
Voraussetzungen / BesonderesPrerequisites: A background in Linear Algebra, Calculus, Probability & Statistical Inference including Estimation and Testing.
KompetenzenKompetenzen
Fachspezifische KompetenzenKonzepte und Theoriengeprüft
Verfahren und Technologiengeprüft
Methodenspezifische KompetenzenAnalytische Kompetenzengeprüft
Entscheidungsfindunggeprüft
Medien und digitale Technologiengefördert
Problemlösunggeprüft
Soziale KompetenzenKommunikationgefördert
Persönliche KompetenzenAnpassung und Flexibilitätgefördert
Kreatives Denkengeprüft
Kritisches Denkengeprüft
Integrität und Arbeitsethikgefördert
Selbstbewusstsein und Selbstreflexion gefördert
Selbststeuerung und Selbstmanagement gefördert

Leistungskontrolle

Information zur Leistungskontrolle (gültig bis die Lerneinheit neu gelesen wird)
Leistungskontrolle als Semesterkurs
ECTS Kreditpunkte4 KP
PrüfendeS. Beran-Ghosh
FormSessionsprüfung
PrüfungsspracheEnglisch
RepetitionDie Leistungskontrolle wird in jeder Session angeboten. Die Repetition ist ohne erneute Belegung der Lerneinheit möglich.
Prüfungsmodusmündlich 30 Minuten
Zusatzinformation zum PrüfungsmodusThis is a closed book & closed notes exam.
Diese Angaben können noch zu Semesterbeginn aktualisiert werden; verbindlich sind die Angaben auf dem Prüfungsplan.

Lernmaterialien

 
HauptlinkCourse related information
LiteraturSuggested reading: Kernel Smoothing: Principles, Methods and Applications
Es werden nur die öffentlichen Lernmaterialien aufgeführt.

Gruppen

Keine Informationen zu Gruppen vorhanden.

Einschränkungen

Keine zusätzlichen Belegungseinschränkungen vorhanden.

Angeboten in

StudiengangBereichTyp
Statistik MasterFachbezogene WahlfächerWInformation
Umweltnaturwissenschaften MasterMethoden und WerkzeugeWInformation