Stochastik für Ingenieure

Maschinenbau, Master (PO-2023)

Modulnummer / Modulcode P-Mathe4-STOCH
Modulname Stochastik für Ingenieure
Art des Moduls Wahlpflicht
Lernergebnisse, Kompetenzen, Qualifikationsziele

Die Studierenden beherrschen elementare stochastische Denkweisen. Die Studierenden verfügen über Grundkenntnisse in der stochastischen Modellierung und beherrschen die Grundlagen der Schätz- und Testtheorie. Die Studierenden sind in der Lage, eine statistische Software zu bedienen und anzuwenden.
Lehrveranstaltungsarten VLmP 2 SWS, HÜ 2 SWS
Lehrinhalte
  • Grundkenntnisse in R und die Erzeugung von Zufallszahlen in R
  • Wahrscheinlichkeitsraum, Zufallsvariable, Verteilungsfunktion
  • Diskrete und stetige Verteilungen
  • Bedingte Wahrscheinlichkeiten, stochastische Unabhängigkeit
  • Erwartungswert, Varianz, Quantile
  • Gesetze der großen Zahlen
  • Kovarianz, Regression
  • Punktschätzungen
  • Erwartungstreue, Konsistenz, Maximum-Likelihood-Schätzungen
  • Tests bei Normalverteilung
  • Nichtparametrische Tests
  • Konfidenzintervalle
Titel der Lehrveranstaltungen Höhere Mathematik 4 – Stochastik für Ingenieure
Lehr- und Lernmethoden (Lehr- und Lernformen) Vorlesungen, Übungen
Verwendbarkeit des Moduls M. Sc. Mechatronik
M. Sc. Regenerative Energien und Energieeffizienz
Dauer des Moduls Ein Semester
Häufigkeit des Angebotes jährlich im Wintersemester
Sprache deutsch
Empfohlene (inhaltliche) Voraussetzungen für die Teilnahme am Modul Kenntnisse der Inhalte der Module Höhere Mathematik 1 und 2
Voraussetzungen für die Teilnahme am Modul
Studentischer Arbeitsaufwand 2 SWS VL (30 Std.), 2 SWS HÜ (30 Std.), Selbststudium (120 Std.)
Studienleistungen S1: Studienleistungen werden vom jeweiligen Dozenten zu Beginn der Lehrveranstaltung festgelegt.
Voraussetzung für Zulassung zur Prüfungsleistung Für Prüfungsleistung P1:
Studienleistung S1
Prüfungsleistungen Prüfungsleistung P1:
Notengewichtung P1: 0%
Prüfungsleistung P2: Klausur 120-180 Min.
Notengewichtung P2: 0%
Anzahl Credits (ECTS) 6 cp
Lehreinheit Maschinenbau
Modulverantwortliche/r Prof. Dr.-Ing. Felix Lindner
Lehrende Alle Dozenten des Institutes Mathematik
Medienformen • Tafel • Beamer • elektronische Lernplattform
Literatur
  • Cramer, E. und Kamps, U. (2008). Grundlagen der Wahrscheinlichkeitsrechnung und Statistik. Springer, Berlin.
  • Dalgaard, P. (2002). Introductory Statistics with R. Springer, Berlin.
  • Krengel, U. (2000). Einführung in die Wahrscheinlichkeitstheorie und Statistik. Vieweg, Braunschweig.
  • DIALEKT-Projekt (2002). Statistik interaktiv. Deskriptive Statistik. Springer, Berlin.
  • Moeschlin, O. (2003). Experimental Stochastics. Springer, Berlin.
  • Sachs, L., Hedderich, J. (2006). Angewandte Statistik. Methodensammlung mit R. Springer, Berlin.
  • Schlittgen (2005). Das Statistiklabor. Einführung und Benutzerhandbuch. Springer, Berlin.
  • Verzani, J. (2004). Using R for Introductory Statistics. Chapman & Hall /CRC, London.