040775 UK Biometrics 2 (2021W)
Continuous assessment of course work
Labels
REMOTE
Registration/Deregistration
Note: The time of your registration within the registration period has no effect on the allocation of places (no first come, first served).
- Registration is open from Mo 13.09.2021 09:00 to Th 23.09.2021 12:00
- Deregistration possible until Fr 15.10.2021 23:59
Details
max. 30 participants
Language: German
Lecturers
Classes (iCal) - next class is marked with N
- Friday 01.10. 08:00 - 09:30 Digital
- Friday 08.10. 08:00 - 09:30 Digital
- Friday 15.10. 08:00 - 09:30 Digital
- Friday 22.10. 08:00 - 09:30 Digital
- Friday 29.10. 08:00 - 09:30 Digital
- Friday 05.11. 08:00 - 09:30 Digital
- Friday 12.11. 08:00 - 09:30 Digital
- Friday 19.11. 08:00 - 09:30 Digital
- Friday 26.11. 08:00 - 09:30 Digital
- Friday 03.12. 08:00 - 09:30 Digital
- Friday 10.12. 08:00 - 09:30 Digital
- Friday 17.12. 08:00 - 09:30 Digital
- Friday 07.01. 08:00 - 09:30 Digital
- Friday 14.01. 08:00 - 09:30 Digital
- Friday 21.01. 08:00 - 09:30 Digital
- Friday 28.01. 08:00 - 09:30 Digital
Information
Aims, contents and method of the course
Assessment and permitted materials
Begleitende Hausübungsbeispiele unterschiedlichen Schwierigkeitsgrads und Umfangs; beides ist in den erreichbaren Punkten pro Beispiel abgebildet.
Minimum requirements and assessment criteria
Werden mehr als die Hälfte der Punkte erreicht, ergibt sich eine positive Note.
Examination topics
Vorlesungstoff
Reading list
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.
Cambridge University Press, Cambridge.Gelman, A., Carlin, J., Stern, H., and Rubin, D. (1995). Bayesian Data Analysis. Chapman
& Hall.
Association in the course directory
Last modified: Fr 12.05.2023 00:13
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.