Modulbeschreibung

Der Kurs soll die Rolle von Computersimulationen und Bayesianischen Methoden für reale Modellierungen vermitteln. Weiterhin sollen die Studenten mit Abschluss des Kurses ein profundes Wissen in der Benutzung von R und der Software WinBUGS für Bayesianisches Modellieren erhalten.

Verwendbarkeit des Moduls:

• Master-Studiengang Informatik (als Wahlpflicht- oder Schwerpunkt-Modul)
• Im Bachelor-/Master-Studiengang Mathematik als Modul im Anwedungsgebiet oder Vertiefungsfach.
• Als Teil eines Mastermoduls im Master-Studiengang Biologie.
• Als V-Modul im Bachelor-Studiengang Biologie.

Einführung in Bayesianisches Denken

• Wahrscheinlichkeit und Einführung in Computersimulationen,
• Einführung in Bootstrap,
• Einführung in Bayesianische Modelle,
• Einführung in multivariate Wahrscheinlichkeitsverteilungen und multiple Parameter Modelle.

Monte Carlo Simulationsmethoden

• Monte Carlo Methode zur Berechnung von Integralen,
• Rejection Sampling,
• Importance Sampling,
• Sampling Importance Re-sampling.

Markov Ketten Monte Carlo Methoden

• Einführung in Markov Ketten,
• Metropolis-Hastings Algorithmus,
• Gerichtete azyklische Graphen,
• Gibbs-sampling,
• MCMC output analysis.

Statistische Modellierung

• Regression modelling,
• Analysis of multiple contingency tables,
• Einführung in hierarchische Modelle.

Termin

Das Modul findet üblicherweise als zweiwöchiger Blockkurs in der 38. und 39. Kalenderwoche in der vorlesungsfreien Zeit des Sommersemesters statt.

Teilnahmevorraussetzungen/Anmeldung

Empfohlen ist die Teilnahme an Stochastik, statistische Datenanalyse oder ähnlichen Kursen.

Informatik:

Erfolgreiche Teilnahme an"Programmierung", "Rechnerarchitektur", "Algorithmen und Datenstrukturen" und "Theoretischer Informatik" (Informatik 1 bis 4). Studenten im Master-Studiengang werden bevorzugt (mit erfolgreicher Teilnahme an Informatik 1 bis 4).

Biologie:

Alle Module des Grundstudiums (1. bis 4. Semester) müssen absolviert sein.

Anmeldungen zum Kurs erfolgen über das elektronische Vorlesungsverzeichnis.

Vorlesung

Die Vorlesung findet täglich vom 02.09.2019 bis zum 13.09.2019 von 9:30 bis 11:00 Uhr in Raum 25.02.O2.21 statt und wird gehalten von PD Dr. rer. nat. Pablo E. Verde.

Übungen

Die Übungen finden im Anschluss an die Vorlesung täglich vom 02.09.2019 bis zum 13.09.2019 von 11:00 bis ca. 18:00 Uhr in Raum 25.02.O1.25 statt.

Kreditpunkte

5 CP

Prüfung

Die Prüfung wird am 13.09.2019 in Raum 25.02.02.21 stattfinden.

Der letzte Termin zur Klausuranmeldung im Studierendenportal ist noch vor Beginn des Kurses!

Literatur

• Gelman, Carlin & Stern:
  Bayesian Data Analysis. Zweite Auflage, Chapman & Hall 2004. ISBN-13: 978-1-58488-388-3

Fragen?

Jederzeit an .