Aktuelles Thema: Praktische Einführung in die hierarchische Bayes'sche Modellierung

 

Master - Wintersemester - 5 CP - Ansprechpartner: Moritz Jörling

Inhalt

Praxisorientierte Einführung in die konzeptionellen und methodischen Grundlagen der Bayes’schen Modellierung. Praktische Anwendung dieser Konzepte auf konkrete empirische Fallbeispiele. Eigenständiges Aufstellen und Berechnen von linearen Modellen (GLM) und hierarchischen Modellen mittels Markov Chain Monte Carlo Simulation (MCMC).

Lernziele

Konzepte/Methoden: Satz von Bayes, Prior, Likelihood und Posterior Baye’sche Sicht auf lineare Regression, GLM und hierarchische Modelle, Markov Chain, Monte Carlo Simulation und Konvergenz. Interpretation von Parameterverteilungen bzgl. linearer (GLM) und hierarchischer Modelle

Praktisch: Modelle in der BUGS Modellierungssprache spezifizieren. Mit OpenBUGS MCMC Simulationen durchführen und deren Ergebnisse interpretieren. Anpassen und erweitern bestehender Modelle, sowie Entwicklung eigener Modelle.

Bewertung

1. Schriftliche Hausarbeit: 50% (in Gruppen von 3-4 Studierenden)
2. Kolloquium: 50%

Teilnahmevoraussetzungen

1. Wünschenswert sind Vorkenntnisse in Methoden der empirischen Sozialforschung (insb. Multiple Lineare Regression).
2. Eigener Laptop vor Ort.
3. Fundierte Englischkenntnisse
4. Modul mit didaktischer Sonderform gemäß §8 Anwesenheitspflicht