Seminar
- Thema:
- Algorithmische und statistische Methoden der Zeitreihenanalyse
- Zielgruppe:
- Studierende mit Kenntnissen der Zeitreihenanalyse, ausgeprägtem Interesse an Fragestellungen aus dem Bereich Ökonometrie/Statistik und mit einer Affinität zur Programmierung.
- Ort:
- Online
- Termin:
- 28.01.2026
bis
30.01.2026 - Zeitraum:
- 28.01.2026, ca. 9:30 -18:00 Uhr
30.01.2026, ca. 9:30 -18:00 Uhr
(Angaben ohne Gewähr / Änderungen vorbehalten) - Seminarleitung:
- Prof. Dr. Robinson Kruse-Becher
- Anmeldefrist:
- 01.07.2025 - 15.07.2025
- Anmeldung:
- Abgabe Seminararbeiten (per E-Mail an sekretariat.statistik@fernuni-hagen.de ): 14.01.2026
- Auskunft erteilt:
- Sven Lehmann
Philip Letixerant
Details zum Seminar
Der Lehrstuhl für Angewandte Statistik betreut im Wintersemester 2025/26 Seminararbeiten im Bereich der angewandten Zeitreihenanalyse. Die Seminarvorträge werden gemeinsam mit dem Lehrstuhl für Data Science von Professor Beecks abgehalten. Dieser bietet ein gleichnamiges Seminar für Studierende aus der Fakultät Mathematik und Informatik an. Ein Ziel dieses Seminars ist der interdisziplinäre Austausch der Studierenden beider Fakultäten. In Tutorien, die voraussichtlich im Oktober und Anfang November stattfinden, wird eine Einführung in die Programmierung mit R angeboten und zudem exemplarische Datenbanken für Zeitreihendaten vorgestellt. Die Studierenden werden in einem weiteren Tutorium der Universitätsbibliothek in der Literaturrecherche geschult. In allen folgenden fünf Themen sollen die Studierenden eigenst ändige empirische Analysen durchführen. Dazu wird die Verwendung der open-source Software R nachdrücklich empfohlen, siehe https://www.fernuni-hagen.de/angewandte-statistik/lehre/software.shtml.
Nähere Informationen zu den Tutorien und zur Online-Schulung finden Sie auf der Moodle-Seite.
Die Prüfungsleistung besteht zu 50% aus der verfassten Seminararbeit (15-20 Seiten) und zu 50% aus einer Präsentation der erarbeiteten Ergebnisse.
Themenliste
- Forecasting
- Anomaly detection
- Deep learning
- Clustering
- Classification
Themenliste als pdf-Datei
