Im Gegensatz zu frequentistischen Verfahren kann bei der bayesschen Modellierung das Vorwissen der Diagnostiker/Evaluatoren berücksichtigt werden
z.B. welche Ergebnisse sind plausibel (Vorzeichen, Wertebereich usw.)?
--> Diese Annahmen werden als Priors bezeichnet
Priors werden mit Daten kombiniert und beeinflussen die Ergebnisse
Weitere Vorteile: Häufig kleinere Stichproben ausreichend, weniger Konvergenzprobleme bei komplexen Modellen (z.B. logistische Regression, multilevel modelling), Mehr intuitive Interpretation der Ergebnisse (z.B. credibility interval)
Problem: Wie wird das Vorwissen begründet? • Z.B. „default priors“, Empfehlungen der Experten, frühere Befunde, metaanalytische Ergebnisse
Tags
#Auswertung #Interpretation #amp
Question
Auswertung: Bayessche Statistik: Vorteile
Answer
?
Tags
#Auswertung #Interpretation #amp
Question
Auswertung: Bayessche Statistik: Vorteile
Answer
Im Gegensatz zu frequentistischen Verfahren kann bei der bayesschen Modellierung das Vorwissen der Diagnostiker/Evaluatoren berücksichtigt werden
z.B. welche Ergebnisse sind plausibel (Vorzeichen, Wertebereich usw.)?
--> Diese Annahmen werden als Priors bezeichnet
Priors werden mit Daten kombiniert und beeinflussen die Ergebnisse
Weitere Vorteile: Häufig kleinere Stichproben ausreichend, weniger Konvergenzprobleme bei komplexen Modellen (z.B. logistische Regression, multilevel modelling), Mehr intuitive Interpretation der Ergebnisse (z.B. credibility interval)
Problem: Wie wird das Vorwissen begründet? • Z.B. „default priors“, Empfehlungen der Experten, frühere Befunde, metaanalytische Ergebnisse
If you want to change selection, open document below and click on "Move attachment"
pdf
cannot see any pdfs
Summary
status
not learned
measured difficulty
37% [default]
last interval [days]
repetition number in this series
0
memorised on
scheduled repetition
scheduled repetition interval
last repetition or drill
Details
No repetitions
Discussion
Do you want to join discussion? Click here to log in or create user.