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.

Die Studierenden erwerben und vertiefen ihr Wissen zu Statisitik, Ökonometrie und Optimierung. Es werden jeweils ausgewählte Schwerpunkte der Themenbereiche theoretisch besprochen und an Beispielen analysiert, diskutiert und gerechnet.

Optimierung (30%):

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

Statistik (30%):

• Schätzen und Verteilungen von Schätzern (inkl. gundlegende Ideen von Hausmantest und Meta-Analyse)
• Eigenschaften von Schätzern (Erwartungstreue, Effizienz, Konsistenz, MSE)
• Testen und Verteilungen von Teststatistiken (Schema und oft verwendete Tests)
• Eigenschaften von Tests (inkl. Gütefunktion, alpha- und beta-Fehler)

Ökonometrie (40%):

• Grundlegende Schätzmethoden, z. Bsp. Maximum-Likelihood, Bayes, Quantilsregression, GMM 
• Allgemeines lineares Modell: grundlegende Idee und lineare sowie binäre logistische und Poisson Regression als Beispiel
• Einfache Zeitreihenmodelle

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

Die komplette Modulbeschreibung finden Sie hier.