Die Rheinland-Pfälzische Technische Universität Kaiserslautern-Landau (RPTU) ist mit rund 17.000 Studierenden, mehr als 300 Professuren und rund 160 Studiengängen die Technische Universität des Landes Rheinland-Pfalz. Als Ort internationaler Spitzenforschung bietet sie exzellente Arbeitsbedingungen und Karrierechancen. Wer an der RPTU lernt, forscht oder arbeitet, erlebt ein weltoffenes Umfeld und gestaltet die Zukunft.
Am Lehrstuhl für Data Analytics () entwickeln wir
nichtparametrisch-Bayesianische Methoden
für
copulabasierte Endogenitätskorrekturen
in linearen Regressionsmodellen. Unser Ziel ist klar:
kausale Inferenz von restriktiven Verteilungsannahmen befreien
und Methoden entwickeln, die sowohl theoretisch sauber als auch praktisch einsetzbar sind.
Sie arbeiten in einem
DFG-finanzierten Forschungsprojekt
an der methodischen Weiterentwicklung dieser Ansätze – von der
statistische Theorie, moderne Bayes-Methodik und Softwareentwicklung
und ist gezielt auf
Publikationen in führenden Methodik-Journals
ausgerichtet. Eine solche Position in einem
DFG-Projekt
ist nicht nur exzellente Forschungspraxis, sondern ein
echter Karriere-Booster
– als
strategisch aufgebautes Sprungbrett zur Promotion
mit klarer Forschungsstruktur und exzellenter Positionierung für den internationalen Arbeitsmarkt.
Ihr Aufgabengebiet:
-----------------------
Entwicklung neuer copulabasierter Endogenitätskorrekturen für lineare Regressionsmodelle mit nichtparametrischer Bayesianischer Inferenz
Design und Durchführung von Monte-Carlo-Simulationsstudien zur Evaluation der Methoden
Implementierung der Verfahren als open-source R-Packages
Promotion mit methodischem Schwerpunkt – mit dem Ziel von Publikationen in statistischen und ökonometrischen Journalen
Reine Forschungsstelle: keine Verpflichtung zur Lehre
Eine studentische Hilfskraft wird Sie bei der Forschung unterstützen
Unser Anforderungsprofil:
-----------------------------
Einschlägiges, erfolgreich abgeschlossenes wissenschaftliches Hochschulstudium in Statistik oder Ökonometrie (idealerweise mit Schwerpunkt in statistischer Methodenentwicklung und Simulationen)
Sehr gute Programmierkenntnisse in R – idealerweise Erfahrung mit Simulationsstudien und statistischer Softwareentwicklung
Vorkenntnisse in mindestens einem der Bereiche: Bayesianische Statistik, nichtparametrische Inferenz, Copula-Theorie, oder Kausalinferenz
Interesse an der Schnittstelle zwischen statistischer Methodenentwicklung und ökonomischen Anwendungen
Sehr gute Englischkenntnisse (Deutschkenntnisse sind von Vorteil)
Wir bieten:
---------------
###
Gesundheitsförderung
###
Familien-Service-Stelle
###
Berufliche Weiterbildung
###
Flexibles Arbeiten und Homeoffice
###
Jobticket
###
Altersvorsorge
###
Sport & Fitness
###
Kultur & Freizeit
###
Naherholung im Pfälzerwald
Die RPTU steht für die Vielfalt aller Beschäftigten. Wir begrüßen Bewerbungen von allen Interessierten, unabhängig von deren ethnischer und sozialer Herkunft, Alter, Religion, Geschlecht, Behinderung und sexueller Orientierung oder Identität. Schwerbehinderte und diesen gleichgestellten Personen werden bei entsprechender Qualifikation und Eignung bevorzugt eingestellt (bitte der Bewerbung einen Nachweis über die Schwerbehinderung/Gleichstellung beifügen).
Die RPTU strebt in Bereichen, in denen Frauen unterrepräsentiert sind, eine Erhöhung des Frauenanteils an. Bewerbungen von Wissenschaftlerinnen und Wissenschaftlern aus dem Ausland sind ausdrücklich erwünscht. Die Stelle ist grds. auch in Teilzeit besetzbar.
###
Ihre Bewerbung:
Wir freuen uns über Ihre aussagekräftige Bewerbung (Lebenslauf, Zeugnisse, usw.) bis spätestens 28.02.2026.
Bitte reichen Sie Ihre Bewerbung über den unten stehenden Button „Online Bewerbung“ bzw. über unser Bewerbungsportal () ein.
Ihre Ansprechpartnerin im Dezernat 3 - Personal ist Frau Weber (Tel.: ).
Bei fachlichen Fragen wenden Sie sich bitte an Herrn Prof. Dr. Rouven Haschka (E-Mail: ).
Beware of fraud agents! do not pay money to get a job
MNCJobs.de will not be responsible for any payment made to a third-party. All Terms of Use are applicable.