Event
Predictive Modeling [SS222521311]
Type
lecture (V)Präsenz/Online gemischt
Term
SS 2022SWS
2Language
EnglischAppointments
14Links
ILIASLecturers
Organisation
- KIT-Fakultät für Wirtschaftswissenschaften
Part of
- Brick Predictive Modeling | Industrial Engineering and Management (M.Sc.)
- Brick Predictive Modeling | Economics Engineering (M.Sc.)
- Brick Predictive Modeling | Information Systems (M.Sc.)
- Brick Predictive Modeling | Information Engineering and Management (M.Sc.)
- Brick Predictive Modeling | Economathematics (M.Sc.)
Literature
- Elliott, G., und A. Timmermann (Hrsg.): "Handbook of Economic Forecasting", vol. 2A und 2B, 2013.
- Gneiting, T., und M. Katzfuss: "Probabilistic Forecasting", Annual Review of Statistics and Its Application 1, 125-151, 2014.
- Hastie, T., Tibshirani, R., and J. Friedman: "The Elements of Statistical Learning", 2. Ausgabe, Springer, 2009.
- Weitere Literatur wird in der Vorlesung bekanntgegeben.
Appointments
- 20.04.2022 09:45 - 11:15 - Room: 11.40 Raum 221
- 27.04.2022 09:45 - 11:15 - Room: 11.40 Raum 221
- 04.05.2022 09:45 - 11:15 - Room: 11.40 Raum 221
- 11.05.2022 09:45 - 11:15 - Room: 11.40 Raum 221
- 18.05.2022 09:45 - 11:15 - Room: 11.40 Raum 221
- 25.05.2022 09:45 - 11:15 - Room: 11.40 Raum 221
- 01.06.2022 09:45 - 11:15 - Room: 11.40 Raum 221
- 15.06.2022 09:45 - 11:15 - Room: 11.40 Raum 221
- 22.06.2022 09:45 - 11:15 - Room: 11.40 Raum 221
- 29.06.2022 09:45 - 11:15 - Room: 11.40 Raum 221
- 06.07.2022 09:45 - 11:15 - Room: 11.40 Raum 221
- 13.07.2022 09:45 - 11:15 - Room: 11.40 Raum 221
- 20.07.2022 09:45 - 11:15 - Room: 11.40 Raum 221
- 27.07.2022 09:45 - 11:15 - Room: 11.40 Raum 221
Note
Lehrinhalt
Der Kurs behandelt Methoden zur Erstellung und Auswertung statistischer Prognosen. In der Praxis sind verschiedene Arten von Prognosen relevant (Erwartungswert, Wahrscheinlichkeit, Quantil, Verteilung). Für jeden dieser Fälle werden im Kurs passende Modellierungsansätze, deren Implementierung mit R-Software sowie ökonomische Anwendungsbeispiele vorgestellt. Die Auswertung von Prognosen wird aus absoluter Sicht ("Passt das Prognosemodell zu den beobachteten Daten?") und aus relativer Sicht (Vergleich verschiedener Prognosemodelle) betrachtet.
Lernziele
Die Studierenden besitzen umfangreiche konzeptionelle Kenntnisse statistischer Prognosemethoden. Sie sind in der Lage diese mit statistischer Software umzusetzen und empirische Problemstellungen kritisch zu analysieren.
Voraussetzungen
Es werden inhaltliche Kenntnisse der Veranstaltung "Angewandte Ökonometrie" [2520020] vorausgesetzt.