Wenn Sie diesen Text sehen, ist auf ihrem Gerät noch nicht das neue Layout geladen worden. Bitte laden Sie diese Seite neu (ggf. mit gedrückter 'Shift'- oder 'Alt'-Taste) oder in einem 'privaten Fenster'.
Weitere Hinweise unter https://www.uni-hildesheim.de/wiki/lsf/faq/fehler.im.layout.

Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 
Startseite    Anmelden     

Statistik und Stochastik - Einzelansicht

Grunddaten
Veranstaltungsart Vorlesung mit Übung Learnweb   Logo Learnweb
Veranstaltungsnummer 5350 Kurztext
Semester SoSe 2019 SWS 4
Erwartete Teilnehmer/-innen 200 Max. Teilnehmer/-innen 290
Rhythmus i.d.R. jedes 2. Semester Studienjahr / Zielgruppe
Credits 6 Anmeldung Anmeldepflicht , Vergabe: Automatisch(Fachsemesterpriorität) (?)
Hyperlink   Evaluation
Sprache deutsch
Keine Anmeldefrist
Termine Gruppe: 1-Gruppe iCalendar Export
  Tag Zeit Rhythmus Dauer Raum (mögliche Änderungen beachten!) Raum-
plan
Lehrperson Status Bemerkung fällt aus am Max. Teilnehmer/-innen
Einzeltermine anzeigen
iCalendar Export
Di. 08:00 bis 10:00 c.t. wöchentlich Gebäude I (Hauptcampus) - Hörsaal H1 Raumplan        
Einzeltermine anzeigen
iCalendar Export
Do. 12:00 bis 14:00 c.t. wöchentlich Forum - Hörsaal H4 (N 008) Raumplan        
iCalendar Export -.  bis  wöchentlich          
iCalendar Export -.  bis  wöchentlich          
iCalendar Export -.  bis  wöchentlich          
Gruppe 1-Gruppe:
Termine Gruppe: Klausur iCalendar Export
  Tag Zeit Rhythmus Dauer Raum (mögliche Änderungen beachten!) Raum-
plan
Lehrperson Status Bemerkung fällt aus am Max. Teilnehmer/-innen
Einzeltermine anzeigen
iCalendar Export
Mo. 11:00 bis 14:00 s.t. Einzeltermin am 15.07.2019 Gebäude I (Hauptcampus) - Hörsaal H1 Raumplan        
Einzeltermine anzeigen
iCalendar Export
Mo. 11:00 bis 14:00 s.t. Einzeltermin am 15.07.2019 Gebäude H (Hauptcampus) - Hörsaal H2 Raumplan        
Einzeltermine anzeigen
iCalendar Export
Mo. 11:00 bis 14:00 s.t. Einzeltermin am 15.07.2019 Gebäude E (Hauptcampus) - Hörsaal H3 Raumplan        
Einzeltermine anzeigen
iCalendar Export
Mi. 15:00 bis 18:00 s.t. Einzeltermin am 18.09.2019 Gebäude I (Hauptcampus) - Hörsaal H1 Raumplan        
Einzeltermine anzeigen
iCalendar Export
Mi. 15:00 bis 18:00 s.t. Einzeltermin am 18.09.2019 Gebäude H (Hauptcampus) - Hörsaal H2 Raumplan        
Gruppe Klausur:
Prüfungstermine
Semester Termin Prüfer/-in Parallelgruppe Datum Prüfungsform Beginn Anmeldefrist Ende Anmeldefrist Ende Abmeldefrist Infos zu Nachschreibterminen
SoSe 2019 01 15.07.2019 12.07.2019 VERBINDLICH 14.07.2019 VERBINDLICH
SoSe 2019 02 18.09.2019 15.09.2019 VERBINDLICH 17.09.2019 VERBINDLICH


Zugeordnete Personen
Kontaktpersonen (durchführend) Zuständigkeit
Groß, Jürgen, Professor Dr. verantwortlich und durchführend
Wollschläger, Christina durchführend, nicht verantwortlich
Studiengänge
Abschluss Studiengang Semester ECTS Kontingent
Polyvalenter Zwei-Fächer-Bachelor mit Lehramtsoption Grundschule Mathematik 4
Polyvalenter Zwei-Fächer-Bachelor mit Lehramtsoption Hauptschule Mathematik 4
Polyvalenter Zwei-Fächer-Bachelor mit Lehramtsoption Realschule Mathematik 4

Hinweis: Die Angaben zu den Semestern sind nur Empfehlungen, keine Anmeldebeschränkungen.

LSF - Module
Modulkürzel Modultitel
BLM-AM5 Aufbaumodul 5: Statistik und Stochastik
MDA-AuflBA Bachelor Requirements (MSc Data Analytics)
Zuordnung zu Einrichtungen
Abt. Mathematik 2
Inhalt
Lerninhalte

Beschreibende Statistik, Wahrscheinlichkeitstheorie und Schließende Statistik

Zielgruppe

MNW/GSKS, Bachelor, Mathematik: Aufbaumodul 5 (PO 2007), empfohlen für 4. Semester.

MNW, BSc, Mathematik/Informatik: Modul Amath (MathA, PMI PO 2004 und PO 2007);

andere Studiengänge: Nebenfach Mathematik

Die Studiengänge IMIT und WINF können diese Veranstaltung NICHT als Modul Statistische Methoden einbringen!


Strukturbaum
Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester SoSe 2019 , Aktuelles Semester: WiSe 2019/20
Impressum      Datenschutzerklärung     Datenschutz