Graphical Models in Statistics

Worum geht's

In diesem Modul lernst Du statistische Modelle, deren bedingte Unabhängigkeiten durch Graphen beschrieben werden. Schwerpunkte sind kontinuierliche Verteilungen (insbesondere die multivariate Normalverteilung), ungerichtete graphische Modelle (Gauss-Modelle) und gerichtete azyklische Graphen (Bayes-Netzwerke). Am Ende kannst Du Abhängigkeitsstrukturen in Daten mit graphischen Modellen darstellen und geeignete Modellklassen auswählen.

Was du danach kannst

• graphische Modelle für multivariate Daten erstellen
• Abhängigkeitsstruktur mit Gauss-graphischen Modellen oder Bayes-Netzen charakterisieren
• Unterschiede zwischen Klassen graphischer Modelle erklären
• passende Graphen zur Modellierung spezieller Datensätze vorschlagen

Aus was das Modul besteht

• VorlesungVorstellung und Herleitung theoretischer Konzepte; Beweise und Illustration an Beispielen
• ÜbungVertiefung der Theorie durch Datenbeispiele am Computer mit R

Lehrmethode

• VorlesungEinführung theoretischer Konzepte und Illustration an Praxisbeispielen
• Übungen am ComputerVertiefung der Theorie durch praktische Datenanalysen in R; Unterstützung durch elektronisches Material