Lerninhalte |
- Bayes'scher Ansatz für statistische Modellierung und Inferenz (Priori- und Posteriori-Verteilung, Punktschätzer, Variabilität)
- Computerintensive Methoden in der Bayes-Inferenz (asymptotische Methoden, Markov Chain Monte Carlo)
- Bayes-Modellierung (Regression, hierarchische Modelle, dynamische Modelle, Modellvergleiche)
- Statistische Entscheidungsprobleme (Nutzenfunktion, Bayes-Risk, Optimalität, sequentielle Entscheidungen)
|