Stochastik für Ingenieure

Maschinenbau, Master (PO-2023)

Modulnummer / ModulcodeP-Mathe4-STOCH
ModulnameStochastik für Ingenieure
Art des ModulsWahlpflicht
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.

LehrveranstaltungsartenVLmP 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 LehrveranstaltungenHöhere Mathematik 4 – Stochastik für Ingenieure
Lehr- und Lernmethoden (Lehr- und Lernformen)Vorlesungen, Übungen
Verwendbarkeit des ModulsM. Sc. Mechatronik
M. Sc. Regenerative Energien und Energieeffizienz
Dauer des ModulsEin Semester
Häufigkeit des Angebotesjährlich im Wintersemester
Sprachedeutsch
Empfohlene (inhaltliche) Voraussetzungen für die Teilnahme am ModulKenntnisse der Inhalte der Module Höhere Mathematik 1 und 2
Voraussetzungen für die Teilnahme am Modul keine
Studentischer Arbeitsaufwand2 SWS VL (30 Std.), 2 SWS HÜ (30 Std.), Selbststudium (120 Std.)
StudienleistungenStudienleistung S1: Studienleistungen werden vom jeweiligen Dozenten zu Beginn der Lehrveranstaltung festgelegt.
Voraussetzung für Zulassung zur Prüfungsleistungkeine
PrüfungsleistungenPrüfungsleistung P1:
Notengewichtung P1: 0%
Prüfungsleistung P2: Klausur 120-180 Min.
Notengewichtung P2: 0%
Anzahl Credits (ECTS)6 cp
LehreinheitMaschinenbau
Modulverantwortliche/rProf. Dr.-Ing. Felix Lindner
LehrendeAlle 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.