|
|
Bachelor-Seminar Bayes-Methoden
| Termin: | Blockveranstaltung 28.3. und 29.3.2012
|
|---|
| Ort: | Ludwigstr. 33, Seminarraum 144 |
|---|
| ECTS-Punkte: | 6 |
|---|
| Vorkenntnisse: | Wahrscheinlichkeitstheorie und Inferenz I und II, Lineare Modelle. |
| Sprechstunde: | nach Vereinbarung |
|---|
| Termine |
|---|
| 27. Januar 2012, 10 Uhr | Vorbesprechung |
| bis spätestens 10. Februar 2012 | Seminarmaterial beim Betreuer abholen
(Termin per Email vereinbaren) |
| bis spätestens 9. März 2012 | Abgabe der Gliederung des Vortrags |
| bis spätestens 21. März 2012 | Abgabe der Vortragsfolien |
| 28. und 29. März 2012 | Blockseminar |
| bis spätestens 13. Mai 2012 | Abgabe der Hausarbeit |
| Terminplan für das Blockseminar |
|---|
| Mittwoch, 28. März 2012, 10:00-12:30 Uhr |
|---|
| Thema | Referent | Koreferent | Betreuer |
|---|
| 1. Wahl der Priori-Verteilung | Sabine Saller | Dieter Wehrmann | Feilke |
| 2. Schätzen und Testen mit Bayes | Hermann Redich | Johann Obermeier | Kärcher |
| 3. Bayesianische Modellierung | Margarita Sukhaterina | David Bauder | Feilke |
| Mittwoch, 28. März 2012, 13:30-16:00 Uhr |
|---|
| Thema | Referent | Koreferent | Betreuer |
|---|
| 1. Approximative Verfahren zur Bestimmung der Posteriori | Sebastian Kellerer | Hermann Redich | Schmid |
| 2. Markov Chain Monte Carlo-Verfahren | Sebastian Linne | Sabine Saller | Kärcher |
| 3. Empirische Bayes-Methoden | Nevena Tsolova | Sebastian Linne | Schmid |
| Donnerstag, 29. März 2012, 10:00-13:30 Uhr |
|---|
| Thema | Referent | Koreferent | Betreuer |
|---|
| 1. Bayes-Faktor | Johann Obermeier | Nevena Tsolova | Kärcher |
| 2. Bayesianische Modellwahl mit Informationskriterien | Marina Katsan | Sebastian Kellerer | Schmid |
| 3. Entscheidungstheorie aus Sicht des Bayesianers | David Bauder | Marina Katsan | Schmid |
| 4. Bayesianische klinische Studien | Dieter Wehrmann | Margarita Sukhaterina | Feilke |
|
|---|
|
Aus den Ideen des Reverend Thomas Bayes (1702-1761) entwickelte sich die Bayes-Statistik. Bei Bayes-Ansatz wird das Vorwissen über (zum Beispiel) Modellparameter durch eine Wahrscheinlichkeitsverteilung ausgedrückt, der Priori-Verteilung. Nach Beobachtung ergibt sich über den Satz von Bayes aus Priori und Likelihood die Posteriori, eine Wahrscheinlichkeitsverteilung der Modellparameter gegeben der Beobachtung. Alle Schlüsse in der Bayes-Statistik werden aus der Posteriori gezogen. In den letzten 20 Jahren erfuhren Bayesianische Methoden zunehmend Verbreitung, insbesondere durch den Einsatz von Markov Chain Monte Carlo (MCMC) und andere numerische Methoden.
|
Anforderungen:
- Regelmäßige Teilnahme
- Referat 30-50 Minuten
- Teilnahme an Diskussion (Koreferat von 3-5 min zu zugewiesenem Thema + zusätzlich mindestens 2 Fragen während des Blockseminars stellen)
- Hausarbeit 12-20 Seiten
|
|
Informationsseiten zu den Seminaren.
|
Literatur
|
|---|
|
Carlin, Louis: Bayesian Methods for Data Analysis. Chapman and Hall.
|
|