Einführung in die Bayes'sche Statistik
Die Bayes'sche Statistik bietet einen vereinheitlichenden Zugang zu Problemen der Datenanalyse. Ziel der Vorlesung ist es, anhand von Beispielen aus verschiedenen Wissenschaftsgebieten und Problemstellungen aus dem Alltag eine erste Einführung in das Themengebiet zu geben. Aufbauend auf den theoretischen Grundlagen werden Fragestellungen wie Parameterschätzung und Hypothesentests sowie ihre numerische Implementation behandelt.
Die Vorlesung wird als Livestream im Learnweb zur Verfügung gestellt! Darüber hinaus werden die aufgezeichneten Vorlesungen im Learnweb verfügbar sein!
Kontakt
Dr. O. Kamps, Dr. S. Gurevich
Tel.: +49 251 83-34924,
E-Mail: okamp(at)uni-muenster.de
Termine & Orte
Do. 10.15-11.45 in Raum KP/TP 304
Start: 11.04.2024
Inhalt und Literatur
Inhalt
- Basics of Bayesian statistics
- Markov Chain Monte Carlo
- Parameter estimation
- Hypothesis testing and model selection
- Causal Inference
- Design of experiments
- Bayes and machine learning
- Applications
- Code examples in python and R
Literatur
-
D. S. Sivia Data: Analysis - A Bayesian Tutorial
- v. d. Linden, Dose, Toussaint: Bayesian Probability Theory
- C. A.L. Bailer - Jones: Practical Bayesian Inference
Materialien zur Vorlesung
Die Materialien zur Vorlesung stehen im Learnwerb zur Verfügung