Bayesianische Statistik | Das Universitätsnetzwerk

Beschreibung

Dieser Kurs beschreibt die Bayes'sche Statistik, in der die Schlussfolgerungen zu Parametern oder Hypothesen aktualisiert werden, wenn sich Beweise ansammeln. Sie lernen, die Bayes-Regel zu verwenden, um frühere Wahrscheinlichkeiten in hintere Wahrscheinlichkeiten umzuwandeln, und lernen die zugrunde liegende Theorie und Perspektive des Bayes'schen Paradigmas kennen. Der Kurs wird Bayes'sche Methoden auf verschiedene praktische Probleme anwenden, um durchgängige Bayes'sche Analysen aufzuzeigen, die von der Fragestellung über die Erstellung von Modellen bis hin zur Ermittlung früherer Wahrscheinlichkeiten bis zur Implementierung der endgültigen posterioren Verteilung in R (freie statistische Software) reichen. Darüber hinaus werden im Kurs glaubwürdige Regionen, Bayes'sche Vergleiche von Mittelwerten und Proportionen, Bayes'sche Regression und Inferenz unter Verwendung mehrerer Modelle sowie die Diskussion der Bayes'schen Vorhersage vorgestellt.

Wir gehen davon aus, dass die Lernenden in diesem Kurs über Hintergrundwissen verfügen, das dem entspricht, was in den drei vorherigen Kursen dieser Spezialisierung behandelt wurde: „Einführung in Wahrscheinlichkeit und Daten“, „Inferenzstatistik“ und „Lineare Regression und Modellierung“.