Universität Wien

040775 UK Biometrie 2 (MA) (2025W)

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

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 10.10. 08:00 - 09:30 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Freitag 17.10. 08:00 - 09:30 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Freitag 24.10. 08:00 - 09:30 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Freitag 31.10. 08:00 - 09:30 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Freitag 07.11. 08:00 - 09:30 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Freitag 14.11. 08:00 - 09:30 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Freitag 21.11. 08:00 - 09:30 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Freitag 28.11. 08:00 - 09:30 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Freitag 05.12. 08:00 - 09:30 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Freitag 12.12. 08:00 - 09:30 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Freitag 09.01. 08:00 - 09:30 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Freitag 16.01. 08:00 - 09:30 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Freitag 23.01. 08:00 - 09:30 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Freitag 30.01. 08:00 - 09:30 Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock

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 Anwendungen 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: Do 09.10.2025 10:45