ÚVOD DO BAYESOVSKÉ ANALÝZY DAT
Kurz představí srozumitelnou formou základní koncepci bayesovské statistiky. Výuka probíhá za podpory softwaru IBM SPSS Statistics.
Bayesovská statistika je plnohodnotnou alternativou k běžně využívané frekvenční statistice (tj. statistice založené zejména na testování statistických hypotéz a bodovém a intervalovém odhadu parametrů). Na rozdíl od frekvenční statistiky nevycházejí odhady bayesovské statistiky pouze z výběrového souboru, ale ovlivňují je i naše předchozí znalosti (apriorní informace). Výsledek (aposteriorní odhad) je tak kombinací našich dat a dříve získaných poznatků. Do nedávné doby nebylo možné postupy bayesovské statistiky plnohodnotně využívat, ale díky rozvoji výpočetní techniky a MCMC algoritmů jsou dnes k dispozici i pro běžné počítače. Bayesovské přístupy jsou vhodné zejména tam, kde dochází k replikaci studií a zároveň tam, kde jsou výběrové soubory poměrně malé. Jejich velkou předností je také možnost flexibilní práce s různými typy proměnných (nespojité) a možnost odhadů (imputací) chybějících hodnot. Tento přístup je nicméně zcela univerzální a může být užit místo všech běžně známých procedur frekvenční statistiky. V rámci kurzu se zaměříme především na analogii t-testů, analýzy rozptylu a regresní analýzy za pomoci programu IBM SPSS Statistics ve spojení s R.
Cíle kurzu
- Cílem kurzu je seznámit účastníky se základní logikou bayesovské statistiky, vysvětlit základní pojmy a postupy a na jednoduchých analogiích k frekvenční statistice (t-testy, analýza rozptylu a regresní analýza) ukázat její přednosti. Výuka klade důraz především na vysvětlení principů, praktickou aplikaci úloh v IBM SPSS Statistics a interpretaci výsledků.
Pro koho je kurz určen
Kurz je určen všem zájemcům z oblasti sociálních věd, medicíny, technických oborů, ekologie, biologie, marketingu, ekonometrie, kde mohou být tyto přístupy využity.
Osnova kurzu
- 1 základní rozdíl mezi frekvenční a bayesovskou statistikou
- 2 Bayesova věta a její rozšíření pro analýzu dat, význam apriorní informace. Bayesův faktor jako alternativa k P hodnotě
- 3 MCMC algoritmus, kritéria konvergence, grafické nástroje pro posouzení výsledků
- 4 bayesovský t-test
- 5 bayesovská analýza rozptylu
- 6 bayesovská regresní analýza
Požadavky
Kurz předpokládá schopnost základního ovládání PC a znalost základních statistických metod (popisná a konfirmační statistika, lineární regrese) na úrovni kurzů Základy statistiky pro analýzu dat nebo Regresní analýza I.
Lektor
PhDr. Ing. Petr Soukup, Ph.D.
Mohlo by vás zajímat
