Beispiel:

• 3 verschiedene Priors
  • 1 (rot): Uniforme Verteilung: alle Prävalenzwerte (0 1) sind plausibel
  • 2 (blau): Prävalenzrate ≈ 0 wird angenommen
  • 3 (grün): Prävalenzwerte um .50 werden postuliert (etwas niedrigere oder höhere Werte sind aber möglich)
• Die Likelihood Funktion (mittleres Diagramm) basiert auf denselben Daten und sieht somit in allen drei Fällen gleich aus (29 von 200 Personen sind depressiv)
• Eventuelle Unterschiede in den Posterior Verteilungen sind also auf die Priors zurückzuführen
• --> Bild
• Ähnlich zu frequentistischer Statistik lassen sich Intervalle um den geschätzten Parameter (z.B. Prävalenzrate) bilden --> Credibility interval (highest density interval bzw. HDI)
• Im Gegensatz zu Konfidenzintervallen können credibility intervals intuitiv interpretiert werden
  • Bsp Unter Berücksichtigung der Daten und Prior Annahmen liegen 95.1% der plausibelsten Werte für die Prävalenz im Bereich .13 -.23
    • Quantifizierung der Unsicherheit möglich (breite Intervalle = mehr Unsicherheit) --> Häufig sinnvoll bei Interventionen/Maßnahmen