Stochastik für InformatikModule description #20217 / Version 3
- 9 CP
- Written exam
- Graded
- Summer semester
- German
This module description is not valid in the current semester (Winter semester 2026/27).
Current version (v5)
| Module / Version | #20217 / #3 |
|---|---|
| Validity | WS 2017/18 – WS 2017/18 |
| Available language(s) | German |
| Credit points | 9 |
| Person responsible for the module | Fackeldey, Konstantin |
| Grading | Graded |
| Exam format | Written exam |
| Language(s) of instruction | German |
Affiliation
| Faculty | Fakultät II |
|---|---|
| Institute | Institut für Mathematik |
| Academic chair | Not specified |
Contact
| Office | Not specified |
|---|---|
| Contact person | Not specified |
| E-mail address | mathe-service@math.tu-berlin.de |
| Website | https://www.math.tu-berlin.de/mathematik_service/ |
Learning outcomes
Beherrschung stochastischer Modellbildung als Grundlage für die Anwendungen. Erlernen statistischer Grundfertigkeiten und der Grundlagen der diskreten Wahrscheinlichkeitstheorie sowie stochastische Algorithmik.
Content
- Ereignisse, Wahrscheinlichkeitsräume, diskrete Zufallsvariablen, wichtige diskrete Verteilungen
- Bedingte Wahrscheinlichkeit, Bayes-Formel, Unabhängigkeit, gemeinsame Verteilung, bedingte Verteilung
- Erwartungswert, Varianz, Kovarianz, Korrelation
- Zufallsvariablen mit Dichten, wichtige Beispiele
- Mehrdimensionale Verteilungen
- Gesetz der Großen Zahlen, zentraler Grenzwertsatz, Chebyshev-Ungleichung (überblicksartig, ohne Beweise)
- Beschreibende Statistik, Histogramme, Klasseneinteilung, Maßzahlen von Daten
- Korrelation, Regression
- Parameterschätzung, ev. Maximum Likelihood
- Konfidenzintervalle
- Hypothesentests
- Markov-Ketten, stationäre Verteilungen
- Warteschlangen
- Verzweigungsprozesse, zufällige (binäre) Bäume
- Markov chain Monte Carlo
- Randomisierte Suchalgorithmen
- Bedingte Wahrscheinlichkeit, Bayes-Formel, Unabhängigkeit, gemeinsame Verteilung, bedingte Verteilung
- Erwartungswert, Varianz, Kovarianz, Korrelation
- Zufallsvariablen mit Dichten, wichtige Beispiele
- Mehrdimensionale Verteilungen
- Gesetz der Großen Zahlen, zentraler Grenzwertsatz, Chebyshev-Ungleichung (überblicksartig, ohne Beweise)
- Beschreibende Statistik, Histogramme, Klasseneinteilung, Maßzahlen von Daten
- Korrelation, Regression
- Parameterschätzung, ev. Maximum Likelihood
- Konfidenzintervalle
- Hypothesentests
- Markov-Ketten, stationäre Verteilungen
- Warteschlangen
- Verzweigungsprozesse, zufällige (binäre) Bäume
- Markov chain Monte Carlo
- Randomisierte Suchalgorithmen
Module components
Compulsory area
The following courses are mandatory for this module:
Workload and credit points
Stochastik für Informatiker (Lecture)
| Workload description | Multiplier | Hours | Total |
|---|---|---|---|
| Präsenzzeit | 15 | 4 h | 60 h |
| Vor-/Nachbereitung | 15 | 6 h | 90 h |
| 150 h | |||
Stochastik für Informatiker (Exercise)
| Workload description | Multiplier | Hours | Total |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 4 h | 60 h |
| 90 h | |||
Course-independent workload
| Workload description | Multiplier | Hours | Total |
|---|---|---|---|
| Klausurvorbereitung | 1 | 30 h | 30 h |
| 30 h | |||
The workload of the module adds up to 270 hours. The module therefore comprises 9 credit points.
Description of teaching and learning methods
Vorlesung, im technisch machbaren Umfang unter Verwendung von multimedialen Hilfsmitteln. Wöchentliche Hausaufgaben. Übung in Kleingruppen.
Requirements for participation and examination
Desirable prerequisites for participation in the courses:
This module has no desirable prerequisites for the courses.
Mandatory requirements for the module examination registration:
The examination requirements could not be retrieved.
Completion of the module
| Grading | Graded |
|---|---|
| Exam format | Written exam |
| Language | German |
Exam description
Schriftliche Prüfung. Zulassungsvoraussetzung: Leistungsnachweis aufgrund von Hausaufgaben.
Duration of the module
The following number of semesters is estimated for taking and completing the module: 1 semester(s).
This module can be started in the following semesters: Summer semester.
Maximum number of participants
This module is not limited to a number of students.
Registration procedures
Die Anmeldung zur Übung erfolgt elektronisch. Nähere Informationen unter: www.moses.tu-berlin.de/tutorien/anmeldung/.
Recommended reading, lecture notes
Lecture notes
available
Electronic lecture notes
available – www.moses.tu-berlin.de/literatur/skripte/
Recommended literature
No recommended literature given
Assigned programs
This module is not used in any program.
Miscellaneous
Not specified