Laplace, Ramsey, de Finetti:

” Die Wahrscheinlichkeit eines Ereignisses ist der Grad der Überzeugung, mit der ein Beobachter aufgrund eines bestimmten Informationsstandes an das Eintreten eines Ereignisses glaubt”

Kapitel-Webseite

BaySta-Kapitel

BaySta-Erklärungen

BaySta-Übungsblätter

Einführung in die Bayes-Statistik

Einstieg

Für die Inhalte dieses Kurses brauchen wir grundlegende Vorkenntnisse über Zufallsereignisse und Wahrscheinlichkeitsrechnung.

Grundlagen

In diesem Kapitel sehen wir uns das Beispiel an, das auf Thomas Bayes zurückgeht.

Bayes-Prinzip

Prinzip: In den letzten beiden Kapiteln haben wir einfache Anwendungen der Bayes-Formel kennengelernt.

Modellierung und Posteriori

Modellierung und numerische Berechnung der Posteriori. Wir haben uns zuletzt auf die Priori konzentriert.

Modellierung und MCMC

Modellvergleich: Da wir nun unterschiedliche Modelle kennengelernt haben, beschäftigen wir uns erstmal mit der Frage, wie wir Modelle bayesianisch vergleichen können.

Hierarchische Modellierung

Die Modelle werden nun immer komplexer. Wir erweitern erst Mal die Einfach-Regression zur…

Ergänzungen

Die folgenden Abschnitte sind zur inhaltlichen Ergänzung und nicht prüfungsrelevant.

  • MCMC Diagnostik für MCMC
  • Hamiltonian MC mit Stan
  • Alternative Ansätze
  • Empirischer Bayes
  • BayesX Approximation
  • Laplace-Approximation der Posteriori und INLA
  • Spezielle Modelle
    • Bruchpunktmodelle
    • Modell für Mischverteilungen

×

MyUniNotes is a free, non-profit project to make education accessible for everyone. If it has helped you, consider giving back! Even a small donation makes a difference.

These are my personal notes. While I strive for accuracy, I’m still a student myself. Thanks for being part of this journey!