Multivariate Statistik

Vorlesungsbeschreibung: Statistische Daten sind häufig multivariat, da für jedes Objekt, das man untersuchen möchte, meist mehr als nur eine statistische Größe gemessen wird. Ein typisches Beispiel ist ein klinischer Versuch, z.B. der Test eines neuen Medikaments, wofür bei einem Patienten verschiedene Messungen vorgenommen werden. In dieser Vorlesung werden grundlegende Methoden zur statistischen Analyse solcher Daten behandelt, u.a. graphische Methoden und dimensionsreduzierende Verfahren, Hypothesentests und die Konstruktion von Konfidenzintervallen für normalverteilte Daten, sowie Cluster-Analyse und Diskriminanzanalyse. Typische Anwendungsbeispiele aus Medizin, Biologie, Anthropologie sowie Versicherungs- und Finanzmathematik werden vorgestellt, und geeignete Software wird demonstriert.

Literatur:

1. C. Chatfield and A.J. Collins:
   Introduction to multivariate analysis.
   Chapman and Hall, London, 1980.
2. W.J. Krzanowski:
   Principles of multivariate analysis. A user's perspective.
   Oxford Science Publication, Oxford, 1988.
3. G.A.F. Seber:
   Multivariate observations.
   Wiley, New York, 1984.

Wahlfächer: Versicherungsmathematik, Statistik