Universität Wien

040775 UK Biometrie 2 (2021W)

3.00 ECTS (2.00 SWS), SPL 4 - Wirtschaftswissenschaften
Prüfungsimmanente Lehrveranstaltung
DIGITAL

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Details

max. 30 Teilnehmer*innen
Sprache: Deutsch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

Freitag 01.10. 08:00 - 09:30 Digital
Freitag 08.10. 08:00 - 09:30 Digital
Freitag 15.10. 08:00 - 09:30 Digital
Freitag 22.10. 08:00 - 09:30 Digital
Freitag 29.10. 08:00 - 09:30 Digital
Freitag 05.11. 08:00 - 09:30 Digital
Freitag 12.11. 08:00 - 09:30 Digital
Freitag 19.11. 08:00 - 09:30 Digital
Freitag 26.11. 08:00 - 09:30 Digital
Freitag 03.12. 08:00 - 09:30 Digital
Freitag 10.12. 08:00 - 09:30 Digital
Freitag 17.12. 08:00 - 09:30 Digital
Freitag 07.01. 08:00 - 09:30 Digital
Freitag 14.01. 08:00 - 09:30 Digital
Freitag 21.01. 08:00 - 09:30 Digital
Freitag 28.01. 08:00 - 09:30 Digital

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Generell: Bayes'sche Statistik mit Beispielen aus der Biologie und einem Schwerpunkt auf der Errechnung von a-posteriori Wahrscheinlichkeiten.

Im Detail: 1) Einführung in die Bayes'sche Statistik mit Beispielen aus der Genetik.
2) Standardverteilungen und deren konjugierte Verteilungen, ebenfalls mit Beispielen aus der Biologie: Binomialverteilung mit der konjugierten Betaverteilung; Poissonverteilung mit der konjugierten Gammaverteilung; Exponentialverteilung mit der konjugierten Gammverteilung; Normalverteilung mit der Normal-invers-Chiquadratverteilung.
3) empirische Bayes Methode.
4) Bayes'sche Netzwerke, wo die bedingten Abhängigkeiten der Unbekannten durch einen gerichteten azyklischen Pfad dargestellt werden können; hidden-Markov-Modelle als Beispiel dafür (mit Beispielen aus der Mendelgenetik), mit dem Vorwärts-Rückwärts Algorithmus (eine dynamische Programmiermethode) als numerischer Methode um Wahrscheinlichkeiten auszurechnen. 5) kompliziertere Modelle, bei denen dynamisches Programmieren nicht mehr möglich ist (ebenfalls mit vielen biologischen Beispielen). Numerische Methoden: Monte-Carlo Markovketten (Metropolis, Gibbs und Metropolis-Hastings) Algorithmen sowie Expectation-Maximization (EM) Algorithmen.

Art der Leistungskontrolle und erlaubte Hilfsmittel

Begleitende Hausübungsbeispiele unterschiedlichen Schwierigkeitsgrads und Umfangs; beides ist in den erreichbaren Punkten pro Beispiel abgebildet.

Mindestanforderungen und Beurteilungsmaßstab

Werden mehr als die Hälfte der Punkte erreicht, ergibt sich eine positive Note.

Prüfungsstoff

Vorlesungstoff

Literatur

Durbin, R., Eddy, S., Krogh, A., and Mitchison, G. (1998). Biological sequence analysis.
Cambridge University Press, Cambridge.

Gelman, A., Carlin, J., Stern, H., and Rubin, D. (1995). Bayesian Data Analysis. Chapman
& Hall.

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Fr 12.05.2023 00:13