Lehrveranstaltungshandbuch ASN
Angewandte Statistik und Numerik
PDF Lehrveranstaltungsverzeichnis English Version: ASN
Version: 1 | Letzte Änderung: 29.08.2019 14:36 | Entwurf: 0 | Status: vom verantwortlichen Dozent freigegeben
| Langname | Angewandte Statistik und Numerik |
|---|---|
| Anerkennende LModule | ASN_BaTIN |
| Verantwortlich |
Prof. Dr. Beate Rhein
Professor Fakultät IME |
| Gültig ab | Sommersemester 2022 |
| Niveau | Bachelor |
| Semester im Jahr | Wintersemester |
| Dauer | Semester |
| Stunden im Selbststudium | 96 |
| ECTS | 5 |
| Dozenten |
Prof. Dr. Beate Rhein
Professor Fakultät IME |
| Voraussetzungen | Grundlegende mathematische Kenntnisse, insbesondere Funktionen und Differentialrechnung anwenden Methoden der linearen Algebra anwenden können Grundbegriffe der Programmierung anwenden |
| Unterrichtssprache | deutsch |
| separate Abschlussprüfung | Ja |
Literatur
| Knorrenschild: Numerische Mathematik (Fachbuchverlag) |
| Papula: Mathematik für Ingenieure und Naturwissenschaftler, Band 1+2 (Vieweg) |
Abschlussprüfung
| Details | Die theoretischen Grundlagen und die zugehörigen Berechnungsmethoden werden in einer schriftlichen Klausur abgeprüft. Die Programmierkenntnisse, die nötig sind, um einen Algorithmus zu implementieren, werden in einem Programmiertest geprüft. |
|---|---|
| Mindeststandard | Beide Prüfungsteile müssen mindestens mit 4.0 bestanden werden. Die Klausur und Programmiertest gehen anteilig in die Modulnote ein. Die Gewichtung beträgt zur Zeit 70% für die Klausur und 30% für den Programmiertest. |
| Prüfungstyp | andere summarische Prüfungsform |
Lernziele
| Zieltyp | Beschreibung |
|---|---|
| Kenntnisse | Rechnerarithmetik Fehlerrechnung, Kondition einer Matrix Gaußalgorithmus mit Spaltenpivotisierung Interpolation Nullstellenprobleme (Bisektion, Newton, Varianten von Newton, Fixpunktiteration) Iterationsverfahren für lineare GS Regressionsanalyse Wahrscheinlichkeitsrechnung |
| Fertigkeiten | Weitergabe von Meßfehlern abschätzen können numerische Algorithmen anwenden können Trendfunktionen aufstellen können mit Wahrscheinlichkeiten umgehen können |
Aufwand Präsenzlehre
| Typ | Präsenzzeit (h/Wo.) |
|---|---|
| Vorlesung | 2 |
| Übungen (ganzer Kurs) | 1 |
| Übungen (geteilter Kurs) | 0 |
| Tutorium (freiwillig) | 0 |
Besondere Voraussetzungen
| keine |
| Begleitmaterial |
Vorlesungsfolien online Übungsaufgaben online |
|---|---|
| Separate Prüfung | Nein |
Bei Fehlern, bitte Mitteilung an die
Webredaktion der Fakultät IME
Webredaktion der Fakultät IME
© 2022 Technische Hochschule Köln