Bayessche Methoden nutzen vorgegebene Information oder Annahmen zur Parameterchätzung und Bewertung von Hypothesen. Sie unterscheiden sich von klassischen Methoden, bei denen Schlüsse nur aus der Stichprobe auf Eigenschaften der Gesamtheit gezogen werden. Sie beinhalten subjektive Wahrscheinlichkeiten, die aus der mathematischen Perspektive exakt interpretierbar sind. Die Bayessche Analysis behandelt Parameter als Zufallsvariablen, welchen apriori Wahrscheinlichkeiten bzgl. einem Modell zugeordnet werden. Mit Hilfe des Bayesschen Theorems erlaubt diese Sichtweise eine systematische Anpassung dieser Wahrscheinlichkeiten und bringt Vorteile für Ansätze zur Datenanalyse und für die statistische Modellierung. Darüber hinaus vereinfacht dies die Untersuchung von Unsicherheiten in dem zugrundeliegenden Model und dessen Parameter.
In diesem Proseminar/Seminar werden wir die Grundprizipien der Bayesian-Statistik behaldeln.
Eine Woche vor der Präsentation ist eine Vorbesprechung erwünscht. Termin muss in voraus vereinbart werden.
Grundwissen in der Analysis, Lineare Algebra & Wahrscheinlichkeitstheorie.
Jeden Donnerstag um 14.15 Uhr im Mathematikon EG. SR 0.200.
Via Müsli. Sonstige Fragen bei daniel.gonzalez (at) iwr.uni (minus) heidelberg.de
03.11.2022: Vorbesprechung und Themenvorgabe.