Die Studierenden erwerben und vertiefen ihr Wissen zu Statistik, Ökonometrie und Optimierung.

Nach der Teilnahme am Modul sind die Studierenden in der Lage, statistische Schätzverfahren und Optimierungsverfahren grundlegend zu verstehen, auf verschiedene Felder der Wirtschaftswissenschaften (z.B. Innovationen) anzuwenden und deren Annahmen kritisch zu hinterfragen. Somit haben die Studierenden nach Beendigung des Moduls sowohl ein Verständnis für mathematische Grundlagen als auch für die Anwendung der mathematischen Inhalte im ökonomischen Kontext.

Optimierung (25%):

• Analytische nichtlineare Optimierung am Beispiel der Lagrange-Methode
• Numerische Verfahren am Beispiel von Regula Falsi und Newton-Verfahren
• Stochastische am Beispiel von Simulated Annealing
• Verteilte Optimierung am Beispiel von Ameisenmodelle und sozialem Lernen

Statistik (25%):

• Schätzen und Eigenschaften von Schätzern (z.B. MSE, Konsistenz, Unverzerrtheit)
• Testen und Eigenschaften von Tests (z.B. Gütefunktionen, Power und Unverzerrtheit)
• Ausgewählte zusätzliche Statistiken und Tests (z.B. Meta-Analyse, Hausmann-Test)

Ökonometrie (50%):

• Grundlegende Schätzmethoden, z.B. Maximum-Likelihood, Bayes, Quantilsregression, GMM
• Allgemeines lineares Modell: grundlegende Idee und lineare sowie binäre logistische Regression, Probit-Regression, Poisson-Regression und Zähl- und Überlebensmodelle als Beispiele sowie ausgwählte Erweiterungen.

In der Übung werden die Themen der Vorlesung mittels Übungsaufgaben vertieft.

Die komplette Modulbeschreibung finden Sie hier.