Bayesianische Inferenz

Das Kapitel versucht sich in einer konzisen Einführung in die Welt der Bayes-Statistik. Schwerpunkte bilden dabei das statistische Modellieren mit Likelihood und Prior, bayesianisches Punkt- und Intervallschätzen sowie das Schätzen nichtlinearer Funktionale, Vorhersagen, bayesianisches Testen und Modellwahl via Bayes-Faktoren und dem Dichtequotienten nach Savage-Dickey sowie ein kurzer Abriss über nichtkonjugierte Bayes-Analysen via Monte-Carlo-Methoden. Die theoretischen Ausführungen werden begleitet von zwei konkreten Beispielen: dem Schätzen, Testen und Vorhersagen von Anteilen sowie der Regressionsanalyse mit und ohne Regularisierung.