Servicenavigation

Statistik: mehr als Erbsen zählen

Sie sind hier:

Abschlussarbeiten – Mögliche Themen an unserem Lehrstuhl

Im folgenden finden Sie eine Liste potentieller Themen für eine Bachelor- bzw. Masterarbeit am Lehrstuhl für Mathematische Statistik und industrielle Anwendungen. Neben den hier genannten Themen können auch Themen angeboten werden, die eine Schnittmenge mit den Forschungsaktivitäten des Lehrstuhls aufweisen. Darüber hinaus sind wir offen gegenüber Industriekooperationen. Sprechen Sie uns dazu gerne an.

Hauptansprechpartner Bachelor- und Masterarbeiten

Prof. Dr. Markus Pauly

Fachliche Unterstützung und Betreuung

Dr. Marc Ditzhaus (Überlebenszeitanalyse)

Dr. Burim Ramosaj (Maschinelle Lernverfahren)

Dr. Paavo Sattler (Testverfahren für multivariate Daten)

Administration und Anmeldung

Prof. Dr. Markus Pauly/Ulrike Guba

 

1. Überlebenszeitanalyse (Ditzhaus, Dormuth, Pauly)

  1. methodische Untersuchungen zu Inferenz und Unsicherheitsquantifizierung bei Mehrstadienmodellen
  2. Vergleiche basierend auf rekonstruierten Daten

  3. Schätzverfahren in der Überlebenszeitanalyse mit Maschinellen Lernverfahren (Survival Trees)

  4. Vergleichende Simulationsstudien

  5. Quantilbasierte ANOVA Methoden in komplexen Designs

  6. Evaluationsmöglichkeiten diagnostischer Tests durch ROC-Kurven und die partielle AUC

2. Maschinelle Lernverfahren und Prädiktionsmodelle (Buczak, Dormuth, Pauly, Ramosaj, Schmid)

  1. Einfluss von fehlenden Werten auf Prädiktions- und Inferenzgüte von statistischen Lernverfahren
  2. Unsicherheitsquantifizierungen in Form von Varianzschätzern, Prädiktions- und Konfidenzintervallen auf Basis Maschineller Lernverfahren

  3. Variablenselektion sowie Dimensionsreduktion basierend auf Maschinellen Lernverfahren

  4. Prädiktionsmodelle basierend auf Maschinellen Lernverfahren für Climate Change Probleme (Kooperation mit Xerox PARC Research Center USA)

  5. Time Series Analysen mit Hilfe Maschineller Lernverfahren

3. Meta-Analysen (Pauly, Welz)

  1. Inferenz für multivariate Meta-Analyse bei wenigen Studien
  2. Simulationsbasierte Analysen von (aggregierten) Statistiken im Rahmen einer Metaanalyse auf Basis empirischer Daten (z.B. in der Psychologie)

4. Fehlende Werte (Amro, Pauly, Ramosaj)

  1. Entwicklung statistischer Testverfahren unter Berücksichtigung von fehlenden Werten in multivariaten Designs (Repeated Measurements, ANOVA, MANOVA)
  2. Imputationsverfahren auf Basis Maschineller Lernverfahren

  3. Multiple Imputation und valide Inferenz

5. Analyse Multivariater Daten (Amro, Baumeister, Pauly, Sattler)

  1. Tests bezüglich Kovarianzmatrizen für Beobachtungen mit fehlenden Werten oder Clustern
  2. Erweiterung des Ansatz von Chen&Qin (2010) unter anderem für mehr Gruppen

  3. Einfluss der gewählten Hypothesenmatrix auf gebräuchliche quadratische Formen

 

Mögliche und bisherige Kooperationspartner aus der Industrie

  • Beumer Group GmbH & Co. KG
  • BMW AG
  • Boehringer Ingelheim Pharma GmbH & Co. KG
  • Claas KGaA
  • Daimler AG
  • Daimler Mobility Services AG
  • Deutsche Post DHL Group
  • HELLA GmbH & Co. KGaA
  • HENSOLDT AG
  • Infineon Technologies AG
  • Novartis AG
  • Otto GmbH & Co. KG
  • REMIRA GmbH
  • Robert Bosch GmbH
  • Roche Holding AG
  • SIMUFORM GmbH
  • Vorwerk SE & Co. KG
  • ZF Friedrichshafen AG

 

Mögliche Kooperationen mit Forschungsinstituten

  • Charite Berlin
  • DESTATIS -  Statistisches Bundesamt
  • DKFZ Heidelberg
  • Fraunhofer ISST (Dortmund)
  • Fraunhofer IML (Dortmund)
  • PARC, a Xerox Company (USA)

 

LaTeX Vorlagen für Abschlussarbeiten

Deutsche-Version

Englische-Version

fileadmin/user_upload/Lehrstuehle/MSInd/Thesis_Template_English.zip