FB 6 Mathematik/Informatik/Physik

Institut für Mathematik


Navigation und Suche der Universität Osnabrück


Hauptinhalt

Topinformationen

Einführung in die Stochastik für Informatiker

6.024

Dozenten

Beschreibung

Aufbauend auf Inhalten des Analysis-Moduls bzw. des Moduls Mathematik für Anwender, stehen grundlegende Themen aus der deskriptiven Statistik, der diskreten Wahrscheinlichkeitstheorie und der mathematischen Statistik im Vordergrund. Gegenstände der Vorlesungen sind insbesondere:
Box-Plot, bedingte Wahrscheinlichkeiten und Unabhängigkeit, Zufallsvariablen, Verteilungen, Gesetze der großen Zahl, zentraler Grenzwertsatz, Schätzer, Konfidenzintervalle und Tests.

Weitere Angaben

Ort: 66/E33: Mo. 08:00 - 10:00 (12x) Do. 08:00 - 10:00 (13x) Fr. 08:00 - 10:00 (12x), 66/101: Di. 12:00 - 14:00 (12x), 69/125: Do. 10:00 - 12:00 (12x) Donnerstag, 13.04.2023 12:00 - 14:00, 69/117: Dienstag, 21.02.2023 14:00 - 17:00, Montag, 19.06.2023 08:00 - 10:00, 32/102: Montag, 27.02.2023 09:00 - 13:00, 35/E01: Montag, 27.02.2023 09:00 - 13:00, 66/E34: Montag, 17.04.2023 08:00 - 11:00
Zeiten: Mo. 08:00 - 10:00 (wöchentlich) - Vorlesung, Ort: 66/E33, Di. 12:00 - 14:00 (wöchentlich) - Tutorium, Ort: 66/101, Do. 08:00 - 10:00 (wöchentlich) - Vorlesung, Ort: 66/E33, Do. 10:00 - 12:00 (wöchentlich) - Tutorium, Ort: 69/125, Fr. 08:00 - 10:00 (wöchentlich) - Übung, Ort: 66/E33, Termine am Dienstag, 21.02.2023 14:00 - 17:00, Montag, 27.02.2023 09:00 - 13:00, Donnerstag, 13.04.2023 12:00 - 14:00, Montag, 17.04.2023 08:00 - 11:00, Montag, 19.06.2023 08:00 - 10:00, Ort: 35/E01, 69/125, 66/E34
Erster Termin: Montag, 24.10.2022 08:00 - 10:00, Ort: 66/E33
Veranstaltungsart: Vorlesung und Seminar (Offizielle Lehrveranstaltungen)

Studienbereiche

  • Eingebettete Softwaresysteme > Bachelor Eingebettete Softwaresysteme
  • Mathematik > Vorlesungen
  • Mathematik > 2-Fächer-Bachelor
  • Mathematik > Bachelor Berufliche Bildung
  • Mathematik > Bachelor Mathematik
  • Mathematik > Master Lehramt an berufsbildenden Schulen mit der beruflichen Fachrichtung Elektro- und Metalltechnik
  • Data Science