Denke Bayesianisch

Workshop 03 · Vertiefung. Vom Wahrscheinlichkeitsbegriff bis zur Posterior-Verteilung. Schritt für Schritt, mit interaktiven Beispielen aus dem SmartRail-Szenario.

7 Kapitel · Einstieg & Fortgeschritten · Eigenes Tempo: ca. 2 h · Geführt: 1 Tag (ca. 6 h)

Im eigenen Tempo kostenfrei · jederzeit

Arbeite die sieben Kapitel im eigenen Tempo durch und probiere die interaktiven Browser-Apps direkt aus. Keine Installation nötig.

Workshop starten →

In Planung noch nicht buchbar

Wir führen gemeinsam durch die Inhalte, beantworten Fragen live und passen Tempo und Tiefe an deine Gruppe an. Geführte Workshops bieten wir derzeit noch nicht an, das Format ist in Vorbereitung.

Worum geht es?

Bayesianische Statistik beginnt mit einer einfachen Idee: Wahrscheinlichkeit ist ein Maß für Überzeugung, das sich durch Daten aktualisieren lässt. Dieser Workshop baut die Intuition dafür von Grund auf, anschaulich am laufenden SmartRail-Szenario der Deutschen Bahn.

Du lernst, wie Prior, Likelihood und Posterior zusammenspielen, wie du Glaubwürdigkeitsintervalle korrekt interpretierst und warum MCMC die Brücke von Theorie zur praktischen Anwendung ist.

Für wen ist der Workshop?

Forschende, Studierende und alle, die bayesianisch denken lernen wollen.

Kapitelübersicht

01 Kapitel 1

Wahrscheinlichkeitsbegriffe

Theorie + interaktives Beispiel im Browser.

⏱ 15 min🎚 Einfach

02 Kapitel 2

Das Bayes-Theorem

Theorie + interaktives Beispiel im Browser.

⏱ 15 min🎚 Einfach

03 Kapitel 3

Der Prior

Theorie + interaktives Beispiel im Browser.

⏱ 15 min🎚 Einfach

04 Kapitel 4

Die Likelihood

Theorie + interaktives Beispiel im Browser.

⏱ 15 min🎚 Einsteiger

05 Kapitel 5

Der Posterior

Theorie + interaktives Beispiel im Browser.

⏱ 15 min🎚 Einsteiger

06 Kapitel 6

Vorhersagen

Theorie + interaktives Beispiel im Browser.

⏱ 15 min🎚 Einfach

07 Kapitel 7

Numerische Berechnung (MCMC)

Theorie + interaktives Beispiel im Browser.

⏱ 15 min🎚 Einsteiger

Was du danach kannst

• Den Unterschied zwischen frequentistischer und bayesianischer Wahrscheinlichkeit erklären.
• Das Bayes-Theorem Schritt für Schritt anwenden: Prior, Likelihood, Posterior.
• Die Wahl eines Priors begründen und seine Wirkung einschätzen.
• Glaubwürdigkeitsintervalle richtig lesen, berichten und kommunizieren.
• Posterior-Predictive-Verteilungen für Vorhersagen nutzen.
• Die Rolle von MCMC verstehen, wenn analytische Lösungen versagen.

Format & Termine

Aspekt	Im eigenen Tempo	Geführt (in Planung)
Dauer	ca. 2 h	1 Tag (ca. 6 h)
Tempo	individuell	strukturiert, mit Pausen
Interaktion	Browser-Apps, Fragen via Kontakt	Live-Diskussion, Q&A, Übungsbetreuung
Kosten	kostenfrei	noch offen
Termin	jederzeit	in Planung

Begleitmaterial

• Workshop-Seite (Quarto): https://hannesdiemerling.github.io/Thinking_Bayesian/
• Quellcode & Issues: https://github.com/hannesdiemerling/Thinking_Bayesian

In Vorbereitung

Aufzeichnungen & Übungs-PDFs

Wir bereiten zusätzlich kuratierte Aufzeichnungen, ein Quiz und Druck-Versionen für die Lehre vor. Veröffentlichung erfolgt sukzessive über das ZPID.

Verwandte Themen

→ Workshop 02

Beyond Significance

Effekte verstehen statt p-Werte ablesen.

→ Workshop 03

Repräsentativität & Stichprobengröße

Wie verlässlich verallgemeinert deine Studie?

→ FRAGEN

Themenzentrierter Einstieg

Konkrete Fragen → passende Kapitel und Methoden.