Einführung in die Bayessche Statistik: Grundlagen und Anwendungen

Dieser zweitägige Workshop dient als Einführung in die Grundlagen der Bayesianischen Inferenzstatistik und Datenanalyse. In einem ersten Teil (Vormittag des ersten Tages) werden dafür Bayesianische Grundbegriffe (Bayes-Laplace-Theorem, Likelihood- Funktion, Prior- und Posteriorverteilungen) eingeführt und mit einfachen, anschaulichen Beispielen illustriert. In einem zweiten Teil (Nachmittag des ersten Tages) werden lineare Regressionsmodelle behandelt und wiederum anhand einer Reihe von gemeinsam ausgearbeiteten Beispielen veranschaulicht. Der dritte Teil (Vormittag des zweiten Tages) befasst sich mit Modellvergleichen und Markov Chain Monte Carlo Näherungen der Posteriorverteilung. Diese mehr konzeptuellen Inhalte dienen vor allem der Vorbereitung einer Einführung in hierarchische Regressionsmodelle, die der vierte, abschließende Teil (Nachmittag des zweiten Tages) des Workshops zum Inhalt haben wird. Über den gesamten Workshop hinweg wird der Fokus auf der computergestützten, numerischen Modellierung und Simulation liegen. Das heißt, wir werden uns nicht oder nur am Rande mit den mathematischen Grundlagen der Bayesianischen Inferenzstatistik befassen. Kenntnisse höherer Mathematik (Infinitesimal- und Integralrechnung, Stochastik etc.) sind daher insbesondere nicht notwendig.

 Voraussetzungen: 

Grundlegende Verwendung und Bedienung von R und RStudio (Importieren von Bibliotheken, Aufrufen von Funktionen, grundlegendes Datenmanagement etc.). Der Kurs wird auf Deutsch abgehalten.

Workshopleitung: Mag. Stefan Huber, BSc PhD MSc & Hanna Rajh-Weber, BSc MSc