Einführung in die Bayes’sche Inferenz und Informationstheorie (12 C, 12 SWS) [M.Bio.323]

Lernziele/Kompetenzen: Die Studierenden gewinnen einen Überblick über die wichtigsten Konzepte und Anwendungen der Bayes'schen Statistik, insbsondere den Bayes'schen Wahrscheinlichkeitsbergriff, Parameterschäzung und das bayesianische Äquivalent zum Konfidenzintervall (Bayesian credible intervals), die Bedeutung und Wahl von a-priori-Wahrscheinlichkeiten basierend auf Vorwissen, sowie Hypothesentests, Modelltests und Markov-Chain-Monte-Carlo-Methoden. Alle Konzepte werden sowohl in Vorlesungen als auch in praktischen Übungsaufgaben am Computer erarbeitet. Das Modul schließt mit einem Ausblick auf die Informationstheorie


Prüfungsanforderungen: Die Studierenden weisen nach, dass sie solide Kenntnisse der Grundlagen des Bayes’schen Wahrscheinlichkeitsbegriffs und der Bayes’schen Statistik aufweisen und einfache klassische Fragestellungen lösen können.

Lehrveranstaltungen:
1. Vorlesung: Introduction to Bayesian Inference and Information Theory (3 SWS)
2. Seminar: Classical problems in Bayesian Interference (1 SWS)
3. Programmierkurs (8 SWS)

Modulprüfung Klausur 90 Min

Empfohlene Vorkenntnisse:
Grundlagen der Wahrscheinlichkeitsrechnung

Angebotshäufigkeit:
jedesWintersemester

Wiederholbarkeit:
zweimalig

Dauer:
1 Semester

Sprache
Englisch

Maximale Studierendenzahl:
10
Für das Modul gibt es eine verbindliche Voranmeldung über FlexNow. Studierende des MSc Molecular Life Sciences - Microbiology, Biotechnology and Biochemistry / MSc Angewandte Informatik mit Schwerpunkt Computational Neurosciences oder MSc Angewandte Data Science melden sich bei Interesse bitte bis zum 10.Oktober unter studienberatung@biologie.uni-goettingen.de

Modulverantwortliche[r]:
Prof. Dr. Michael Wibral