AGNES -
Lehre und Prüfung online
Studierende in Vorlesung
Anmelden

Non- and Semiparametric Modeling - Detailseite

  • Funktionen:
Grunddaten
Veranstaltungsart Vorlesung/Übung Veranstaltungsnummer 701024
Semester WiSe 2020/21 SWS 4
Rhythmus Moodle-Link https://moodle.hu-berlin.de/course/view.php?id=90845#section-3
Veranstaltungsstatus Freigegeben für Vorlesungsverzeichnis  Freigegeben  Sprache englisch
Belegungsfrist Es findet keine Online-Belegung über AGNES statt!
Veranstaltungsformat Digital

Termine

Gruppe 1
Tag Zeit Rhythmus Dauer Raum Raum-
plan
Lehrperson Status Bemerkung fällt aus am Max. Teilnehmer
Do. 08:00 bis 10:00 wöch Institutsgebäude - 005 Dorotheenstraße 1 (DOR 1) - (Besprechungsräume allgemein)   findet statt    
Fr. 12:00 bis 14:00 wöch Institutsgebäude - 005 Dorotheenstraße 1 (DOR 1) - (Besprechungsräume allgemein)   findet statt    
Gruppe 1:
 


Zugeordnete Personen
Zugeordnete Personen Zuständigkeit
Jacob, Daniel
Keilbar, Georg
Ren, Rui
Studiengänge
Abschluss Studiengang LP Semester
Master of Science  Betriebswirtschaftslehre Hauptfach ( Vertiefung: kein LA; POVersion: 2016 )     -  
Programmstud.-o.Abschl.MA  Betriebswirtschaftslehre Programm ( POVersion: 1999 )     -  
Master of Science  Economics/ Management Sc. Hauptfach ( Vertiefung: kein LA; POVersion: 2016 )     -  
Master of Science  Statistik Hauptfach ( Vertiefung: kein LA; POVersion: 2016 )     -  
Programmstud.-o.Abschl.MA  Statistik Programm ( POVersion: 1999 )     -  
Master of Science  Volkswirtschaftslehre Hauptfach ( Vertiefung: kein LA; POVersion: 2016 )     -  
Programmstud.-o.Abschl.MA  Volkswirtschaftslehre Programm ( POVersion: 1999 )     -  
Master of Science  Wirtschaftsinformatik Hauptfach ( Vertiefung: kein LA; POVersion: 2016 )     -  
Programmstud.-o.Abschl.MA  Wirtschaftsinformatik Programm ( POVersion: 1999 )     -  
Master of Education (BS)  Wirtschaftspädagogik (WV) 1. Fach ( Vertiefung: mit LA-Option; POVersion: 2015 )     -  
Programmstud.-o.Abschl.MA  Wirtschaftspädagogik (WV) Programm ( POVersion: 1999 )     -  
Zuordnung zu Einrichtungen
Einrichtungen
Wirtschaftswissenschaftliche Fakultät, Statistik
Wirtschaftswissenschaftliche Fakultät
Inhalt
Kommentar
Note: Students who have already introduced 7010316 Multivariate Statistical Analysis II/Non- and Semiparametric Modeling into their studies may not take Non- and Semiparametric Modeling again.
 
The course Non- and Semiparametric  Modelling gives an overview over the flexible regression methods. The course starts with an introduction into the density estimation (histogram, kernel density estimation). Nonparametric regression methods and their applications are discussed. Furthermore  additive models will be introduced in the course. At the end of the course the students will be able to implement methods to solve practical problems for this purpose the aim of the course is to establish self written python code from existing R and Matlab quantlets (www.quantlet.de).
The registration in the respective Moodle course is obligatory.
  • Introduction
  • Parametric Regression
  • Nonparametric Regression
  • Semiparametric Regression
  • Nonparametric Density Estimation
  • Histogram, Average Shifted Histogram
  • Kernel Density Estimation (KDE) , Motivation and Derivation
  • KDE - Statistical Properties
  • KDE - Smoothing Parameter Selection
  • KDE - Choosing the Kernel
  • Confidence Intervals and Confidence Bands
  • Multivariate Kernel Density Estimation
  • Nonparametric Regression
  • Univariate Kernel Regression
  • Other Smoothers (Regression Splines, Orthogonal Series)
  • Smoothing Parameter Selection
  • Confidence Regions and Tests
  • Multivariate Kernel Regression
  • Semi- and Nonparametric Estimation of Treatment Effects Doubly-Robust Methods
  • Generalized Random Forest
Literatur

Härdle, Müller, Sperlich, Werwatz (2004): Non- and Semiparametric Modelling, Springer

Fan, J. and Gijbels, I. (1996): Local Polynomial Modelling and Its Applications, Chapman and Hall, New York

Härdle, W. (1990): Applied Nonparametric Regression, Econometric Society Monographs No. 19, Cambridge University Press

Härdle, W. (1991): Smoothing Techniques, With Implementations in S, Springer, New York

Härdle, Klinke, Müller (1999): XploRe - Academic Edition, The Interactive Statistical Computing Environment, Springer, New York

Scott, D. W. (1992): Multivariate Density Estimation: Theory, Practice, and Visualization, John Wiley & Sons, New York, Chichester

Silverman, B. W. (1986): Density Estimation for Statistics and Data Analysis, Vol. 26 of Monographs on Statistics and Applied Probability, Chapman and Hall, London

Wand, M. P. and Jones, M. C. (1995): Kernel Smoothing, Chapman and Hall

Bemerkung

StO/PO MA 2016: 6 LP, Modul: "Selected Topics in Statistics"

StO/PO MEMS 2016: 6 LP, Modul: "Selected Topics in Statistics", Major: Quantitative Methods

Prüfung

Written exam (90 min)

Strukturbaum

Die Veranstaltung wurde 7 mal im Vorlesungsverzeichnis WiSe 2020/21 gefunden:

Humboldt-Universität zu Berlin | Unter den Linden 6 | D-10099 Berlin