PRZYSZŁOŚĆ STATYSTYKI
Wnioskowanie Bayesowskie
Opis szkolenia
Szkolenie kompleksowo pokrywa obszerny temat wnioskowania Bayesowskiego oraz jego implementacji w R.
Czas trwania: 2 dni po 8h (wliczając jednogodzinną przerwę lunchową)
Wymagania: Podstawowa wiedza z zakresu statystyki.
Plan szkolenia
Akt pierwszy: Fundamenty
- Kryzys w statystyce – czemu podejście bayesowskie jest przyszłością?
- Dlaczego p-value wciąż rządzi na uczelniach?
- Zagadnienia i narzędzia podejścia klasycznego
- Alternatywa podejścia bayesowkiego i jego workflow
Akt drugi: Teoria wszystkiego
- Funkcja prior, funkcja wiarygodności i posterior
- Dobór optymalnej funkcji prior
- Koniunkcja w podejściu bayesowskim
- Weryfikacja hipotez w podejściu bayesowskim – Bayes factor
- Błąd typu M oraz błąd typu S
- Estymacja wartości przyszłych za pomocą funkcji posteriori
Akt trzeci: Zaprogramujmy to!
- Probabilistyczne języki programowania (PPL) – historia
- Przegląd języków PPL – BUGS, Jags i Stan
- MCMC – sposób próbkowania w podejściu bayesowskim
Akt czwarty: Nie zaszkodzi sprawdzić
- Diagnostyka modeli bayesowskich
- Wykrywanie nieprawidłowości w działaniu próbkowania MCMC
Akt piąty: Specjalistyczny zaciąg
- Przegląd pakietów R/Python wspomagających modelowanie w podejściu bayesowskim
Akt szósty: Bo liczą się także najmniejsi
- Shrinkage – koncepcja kurczenia się
- Hierarchiczne modelowanie w podejściu bayesowskim
Kontakt w sprawie szkolenia zamkniętego