Do you want BuboFlash to help you learning these things? Or do you want to add or correct something? Click here to log in or create user.


  • Presentation
  • Question
  • Answer

Tags
#Auswertung #Interpretation #has-images
Question
Auswertung: Bayessche Statistik: Priors

Answer
  • Das Vorwissen von Diagnostikern/ Evaluatoren wird in Priors umgewandelt
  • Priors können für verschiedene Modellparameter spezifiziert werden, z.B.
    • Regressionskoeffizienten
    • Konstante (Intercept)
    • Varianz
  • Priors werden mit Hilfe von Verteilungen dargestellt
    • z.B . Normalverteilung, uniforme Verteilung, t Verteilung
    • Der Verteilung kann entnommen werden, welche Werte laut den Forschern plausibel sind (z.B. eher positive Korrelationskoeffizienten)
  • Uniforme Verteilungen werden für Priors nicht empfohlen, weil solche Annahmen unrealistisch sind
    • Bsp. 1: I st ein Korrelationskoeffizient von 1 genauso plausibel wie r = .25?
    • Bsp. 2: Sind negative Varianzwerte genauso plausibel wie positive Varianzwerte?
  • Priors haben v.a. in kleinen Stichproben einen großen Einfluss auf die Ergebnisse
    • In größeren Stichproben ist der Einfluss nur bei absurden Annahmen groß (z.B. r = 1, keine anderen Werte kommen in Frage), was meistens schnell auffällt, z.B.
      • langsame Auswertung
      • schlechte Diagnostikwerte
      • Vergleich der Auswirkungen unterschiedlicher Priorannahmen

Tags
#Auswertung #Interpretation #has-images
Question
Auswertung: Bayessche Statistik: Priors
Answer
?

Tags
#Auswertung #Interpretation #has-images
Question
Auswertung: Bayessche Statistik: Priors

Answer
  • Das Vorwissen von Diagnostikern/ Evaluatoren wird in Priors umgewandelt
  • Priors können für verschiedene Modellparameter spezifiziert werden, z.B.
    • Regressionskoeffizienten
    • Konstante (Intercept)
    • Varianz
  • Priors werden mit Hilfe von Verteilungen dargestellt
    • z.B . Normalverteilung, uniforme Verteilung, t Verteilung
    • Der Verteilung kann entnommen werden, welche Werte laut den Forschern plausibel sind (z.B. eher positive Korrelationskoeffizienten)
  • Uniforme Verteilungen werden für Priors nicht empfohlen, weil solche Annahmen unrealistisch sind
    • Bsp. 1: I st ein Korrelationskoeffizient von 1 genauso plausibel wie r = .25?
    • Bsp. 2: Sind negative Varianzwerte genauso plausibel wie positive Varianzwerte?
  • Priors haben v.a. in kleinen Stichproben einen großen Einfluss auf die Ergebnisse
    • In größeren Stichproben ist der Einfluss nur bei absurden Annahmen groß (z.B. r = 1, keine anderen Werte kommen in Frage), was meistens schnell auffällt, z.B.
      • langsame Auswertung
      • schlechte Diagnostikwerte
      • Vergleich der Auswirkungen unterschiedlicher Priorannahmen
If you want to change selection, open document below and click on "Move attachment"

pdf

cannot see any pdfs

Summary

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised 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.