INF.08067.02 - Statistische Datenanalyse (Vollständige Modulbeschreibung)

INF.08067.02	5 CP
Modulbezeichnung	Statistische Datenanalyse
Modulcode	INF.08067.02
Semester der erstmaligen Durchführung
Fachbereich/Institut	Institut für Informatik
Verwendet in Studiengängen / Semestern	Bioinformatik (MA120 LP) (Master) > Bioinformatik BioinformatikMA120, Akkreditierungsfassung gültig ab SoSe 2023 > Bioinformatik (HI) (Anteil gem. § 5 Abs. 4-6, Anlage 2) Informatik (MA120 LP) (Master) > Informatik InformatikMA120, Akkreditierungsfassung gültig ab SoSe 2023 > Basismodule der Vertiefungsrichtung `Bioinformatik` Nutzpflanzenwissenschaften (MA120 LP) (Master) > Agrarwissenschaft/Landwirtschaft Nutzpflanzenwiss.MA120, Akkreditierungsfassung gültig ab WS 2018/19 > Wahlpflichtmodule
Modulverantwortliche/r
Weitere verantwortliche Personen	PD Dr. Jan Grau
Teilnahmevoraussetzungen
Kompetenzziele	Die Studierenden verstehen grundlegende Konzepte der statistischen Datenanalyse in der Bioinformatik. Die Studierenden sind in der Lage statistische Konzepte auf konkrete Problemstellungen und Datensätze anzuwenden. Die Studierenden haben die Fähigkeit, diese Konzepte zukünftigen Kooperationspartner*innen zu erklären. Die Studierenden haben die Kompetenz, statistische Konzepte und Methoden weiterzuentwickeln und auf neue Problemstellungen und Datensätze anzupassen.
Modulinhalte	Grundbegriffe und -konzepte der Statistik: Wahrscheinlichkeitsfunktion und Wahrscheinlichkeitsdichtefunktion, Verteilungsfunktion, Erwartungswert, gemeinsame Verteilung und Randverteilung, bedingte Wahrscheinlichkeiten und Dichten, statistische Unabhängigkeit, Erwartungswert und Varianz diskrete und stetige, univariate und multivariate Verteilungen und deren Anwendung Rechnen mit Zufallsvariablen: Funktionen von Zufallsvariablen; Summen, Differenzen, Produkte von Zufallsvariablen; Anwendung auf Datensätze Bayes'sche Methoden: Posterior, konjugierte Verteilungen, prädiktive Verteilung Statistische Inferenz: Maximum-Likelihood, Maximum-a-Posteriori, Mean-Posterior; Anwendung auf Datensätze Modellierung: Markov-Modelle, Bayes-Netze, Hidden-Markov-Modelle und deren Anwendung in der Bioinformatik Klassifikation, Bayes-Klassifikator, Bayes'sche Methoden; Anwendungen in der Bioinformatik
Lehrveranstaltungsformen	Vorlesung (2 SWS) Kursus Übung (2 SWS) Übung
Unterrichtsprachen	Deutsch, Englisch
Dauer in Semestern	1 Semester Semester
Angebotsrhythmus Modul	jedes Sommersemester
Aufnahmekapazität Modul	unbegrenzt
Prüfungsebene
Credit-Points	5 CP
Modulabschlussnote	LV 1: %; LV 2: %; LV 3: %; LV 4: %.
Faktor der Modulnote für die Endnote des Studiengangs	1
Hinweise	Basismodul für die Vertiefungsrichtung Bioinformatik

Modulveranstaltung	Lehrveranstaltungsform	Veranstaltungstitel	SWS	Workload selbstgestaltete Arbeit	Workload Summe
LV 1	Vorlesung	Vorlesung	2		0
LV 2	Kursus	Selbststudium			0
LV 3	Übung	Übung	2		0
LV 4	Übung	Bearbeiten der Übungsaufgaben			0
Workload modulbezogen				150	150
Workload Modul insgesamt					150

Prüfung	Prüfungsvorleistung	Prüfungsform
LV 1
LV 2
LV 3
LV 4
Gesamtmodul	Erfolgreiche Bearbeitung von Übungsaufgaben, Erfolgreiches Vorrechnen von Übungsaufgaben	mündl. Prüfung oder Klausur
Wiederholungsprüfung

Regularien	Angebotsrhythmus	Anwesenheitspflicht	Gewicht an Modulnote in %
LV 1	Sommersemester	Nein	%
LV 2	Sommersemester	Nein	%
LV 3	Sommersemester	Nein	%
LV 4	Sommersemester	Nein	%