Inhaltspezifische Aktionen

GGS-Sektion OBHRM: Online-Gastvortrag - Bayessche Inferenz und Statistik

Die moderne Bayessche Statistik liefert einen Ansatz zur statistischen Analyse, welche sich bzgl. der frequentistischen Statistik durch die Berücksichtigung von Vorannahmen und der Modellierung von Wahrscheinlichkeiten unterscheidet. Im Fokus der Bayesschen Inferenz steht die Berechnung von a posteriori-Wahrscheinlichkeiten, welche die Unsicherheiten über Parameter oder Hypothesen beschreiben, nachdem wir neue Informationen aus Daten gewonnen haben. In diesem Vortrag werden wir uns mit den Gundlagen der Baysschen Inferenz und Statistik befassen, aber auch deren Vor- und Nachteil im Vergleich zu anderen Konzeptionen der modernen Statistik.

  • GGS-Sektion OBHRM: Online-Gastvortrag - Bayessche Inferenz und Statistik
  • 2023-01-20T14:00:00+01:00
  • 2023-01-20T15:30:00+01:00
  • Die moderne Bayessche Statistik liefert einen Ansatz zur statistischen Analyse, welche sich bzgl. der frequentistischen Statistik durch die Berücksichtigung von Vorannahmen und der Modellierung von Wahrscheinlichkeiten unterscheidet. Im Fokus der Bayesschen Inferenz steht die Berechnung von a posteriori-Wahrscheinlichkeiten, welche die Unsicherheiten über Parameter oder Hypothesen beschreiben, nachdem wir neue Informationen aus Daten gewonnen haben. In diesem Vortrag werden wir uns mit den Gundlagen der Baysschen Inferenz und Statistik befassen, aber auch deren Vor- und Nachteil im Vergleich zu anderen Konzeptionen der modernen Statistik.
Wann

20.01.2023 von 14:00 bis 15:30 (Europe/Berlin / UTC100)

Wo

Online

Name des Kontakts

Teilnehmer

alle Interessierten

Termin zum Kalender hinzufügen

iCal

Dieser Online-Gastvortrag wird gehalten werden von Dr. Stephan Poppe (Universität Leipzig).

Abstract:

Die moderne Bayessche Statistik liefert einen Ansatz zur statistischen Analyse, welche sich bzgl. der frequentistischen Statistik durch die Berücksichtigung von Vorannahmen und der  Modellierung von Wahrscheinlichkeiten unterscheidet. Im Fokus der Bayesschen Inferenz steht die Berechnung von a posteriori-Wahrscheinlichkeiten, welche die Unsicherheiten über Parameter oder Hypothesen beschreiben, nachdem wir neue Informationen aus Daten gewonnen haben.  In diesem Vortrag werden wir uns mit den Gundlagen der Baysschen Inferenz  und Statistik befassen, aber auch deren Vor- und Nachteil im Vergleich zu anderen Konzeptionen der modernen Statistik.

Zugangslink zum Online-Meeting erhält man auf Anfrage. Dazu bitte eine Email senden an: pascale.s.petri@psychol.uni-giessen.de.