Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 

PRAESENZ (PRESENCE): Einführung in die Bayes Statistik - Einzelansicht

  • Funktionen:
Grunddaten
Veranstaltungsart Seminar Langtext
Veranstaltungsnummer 205848 Kurztext
Semester WS 2022 SWS 2
Teilnehmer 1. Platzvergabe 20 Max. Teilnehmer 2. Platzvergabe 20
Rhythmus keine Übernahme Studienjahr
Credits für IB und SPZ
E-Learning
Hyperlink
Sprache Deutsch
Belegungsfrist Zur Zeit keine Belegung möglich
Abmeldefristen


Termine Gruppe: 0-Gruppe iCalendar Export für Outlook
  Tag Zeit Rhythmus Dauer Raum Lehrperson (Zuständigkeit) Status Bemerkung fällt aus am Max. Teilnehmer 2. Platzvergabe
Einzeltermine ausblenden Fr. 10:00 bis 14:00 14t. 21.10.2022 bis
10.02.2023
Carl-Zeiß-Straße 3 - Methodenlabor E055   findet statt 27.01.2023: 
Einzeltermine:
  • 21.10.2022
  • 04.11.2022
  • 18.11.2022
  • 02.12.2022
  • 16.12.2022
  • 13.01.2023
  • 27.01.2023
  • 10.02.2023
Einzeltermine anzeigen Fr. 10:00 bis 14:00 Einzel-V. 03.02.2023 bis
03.02.2023
Carl-Zeiß-Straße 3 - SR 124   findet statt  
Gruppe 0-Gruppe:



Zugeordnete Person
Zugeordnete Person Zuständigkeit
Nold, Mariana , Dr. verantwortlich
Zuordnung zu Einrichtungen
Institut für Soziologie
Inhalt
Kommentar

Sowohl in soziologischer Lehre als auch Forschung wird sich standardmäßig an der frequentistischen Statistik orientiert, wenn soziale Phänomene quantitativ-empirisch untersucht werden. In den letzten Jahrzehnten hat sich jedoch zunehmend ein alternativer Ansatz etabliert, nämlich die Bayes-Statistik.

Der Kurs hat zum Ziel Grundlagen der Bayes-Statistik anwendungsorientiert zu vermitteln, indem Studierende eine eigene Analyse erstellen. Zunächst lesen und besprechen wir gemeinsam die Publikation "Gender disparities in fear of failure among 15-year-old students: The role of gender inequality, the organisation of schooling and economic conditions." Der Seminarartikel dient als Grundlage der eigenen Analyse.

Im Anschluss werden Grundlagen der Bayes-Statistik vermittelt und anhand von Beispielen demonstriert, die inhaltlich am Seminarartikel orientieren. Wir besprechen Unterschiede im bayesianischen und frequentistischen Wahrscheinlichkeitsbegriff und klären Begriffe wie Zufallsvariable (ZV), Verteilungen und statistisches Modell. Danach wird die zentrale Bedeutung des Bayes-Theorems besprochen und an Beispielen demonstriert. Wir besprechen schließlich einen kleinen Teil  des „Bayesian research circle” (siehe van de Schoot et al 2021).

Der Kurs bietet Studierenden die Möglichkeit die Standard-Anwendungen der frequentistischen Statistik differenzierter zu verstehen, Konzepte der Bayes-Statistik kennenzulernen und deren Anwendung auf soziologische Fragestellungen zu erkunden und mitzugestalten.

Wir arbeiten zunächst mit Stata, die Nutzung des Programmes zur Datenaufbereitung und zur Datenanalyse wird im Kurs vermittelt. Ein weiteres Programm, welches im Kurs verwendet wird, ist die freie Software JASP. JASP ist ein sehr intuitives Programm, dass sowohl Bayesianische als auch frequentistische Methoden zur Verfügung stellt.

Begleitend zu dem Kurs wird ein betreutes Arbeiten am Donnerstag von 16 bis 18 Uhr angeboten. Dies dient vor allem der Unterstützung beim Arbeiten mit Stata bzw. bei der Analyse der eigenen Daten.

Literatur

Anderson, Andrew A. (2019): Assessing Statistical Results: Magnitude, Precision, and Model Uncertainty.The American Statistician 73 118 - 121.


Bergh, Don; Clyde, Merlise. A.; Gupta, Akash.; de Jong, Tim; Gronau, Quentin; F., Marsman, Maarten; Ly, Alexander; Wagenmakers, Eric. J. (2021): A tutorial on Bayesian multi-model linear regression with BAS and JASP. Behavior research methods, 53(6), 2351–2371.


Borgonovi, Francesca; Han, Seong Won (2021): Gender disparities in fear of failure among 15-year-old students: The role of gender inequality, the organisation of schooling and economic conditions. J Adolesc. 2021; 86:28-39.


Gelman, Andrew; Hill, Jennifer; Vehtari, Aki (2020): Regression and Other Stories: Cambridge University Press.


Gill, Jeff; Traunmüller, Richard (2020): Bayesianische Inferenz als Alternative zur klassischen Statistik. In: Claudius Wagemann, Achim Goerres und Markus B. Siewert (Hg.): Handbuch Methoden der Politikwissenschaft. Wiesbaden: Springer Fachmedien Wiesbaden, S. 671–697.


Goss-Sampson; Mark (2020): JASP Guide – Bayesian Inference.   (http://static.jasp-stats.org/Manuals/Bayesian_Guide_v0.12.2.pdf)


Kaplan, David (2014). Bayesian statistics for the social sciences. Guilford Press.


Kohler, Ulrich; Kreuter, Frauke (2017): Datenanalyse mit Stata. Allgemeine Konzepte der Datenanalyse und ihre praktische Anwendung. 5. aktualisierte Auflage. Berlin: De Gruyter Oldenbourg.


Janczyk, Markus;   Pfister, Roland (2020): Inferenzstatistik verstehen: Von A wie Signifikanztest bis Z wie Konfidenzintervall. 3. Auflage. Berlin, Heidelberg: Springer Spektrum.


van de Schoot, Rens; Depaoli, Sara; King, Ruth et al. (2021): Bayesian statistics and modelling. Nat Rev Methods Primers 1, 1 (2021).

 

Bemerkung

Der Kurs findet 14-tägig statt und umfasst dann 180 Minuten.

Der Kurs beginnt in der ersten Semesterwoche und wird jeweils in zwei Blöcke von 90 Minuten, mit einer Pause dazwischen, unterteilt.

 

Der Kurs vermittelt eine Perspektive auf die multiple Regression, die auf einem epistemischen Wahrscheinlichkeitsbegriff beruht. Dabei handelt es sich nicht um einen Vertiefungskurs, sondern um eine Erweiterung der Perspektive auf Regressionsmodelle.  

 

Der Kurs richtet sich vor allem an Studierende, die Interesse daran haben ihre Methoden-Kenntnisse zu erweitern und statistische Methoden auf einer konzeptuellen Ebene zu hinterfragen. Vorausgesetzt wird ein Verständnis, der Interpretation der multiplen linearen Regression. Der Kurs ist dialogisch ausgerichtet, daher ist auch die Bereitschaft zu einer aktiven Beteiligung eine Voraussetzung für diese Veranstaltung.

In diesem Kurs werden grundlegende Konzepte vermittelt, keine fertigen Analysestrategien, insbesondere keine fertigen Ideen davon, wie ein Forschungsprozess ablaufen sollte. Durch die Vermittlung unterschiedlicher Konzepte können sich Studierende mit unterschiedlichen Ansätzen aus der Frequ. und aus der Bayes Statistik auseinandersetzen und dadurch ihr Blickfeld auf die Anwendung statistischer Methoden erweitern.

Es werden keine Stata-Kenntnisse vorausgesetzt. Stata-Befehle, die Sie für die Analyse brauen werden im Kurs
vermittelt. Dazu gehören insbesondere Befehle zur Datenaufbereitung.

 

Strukturbaum
Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester WS 2022 , Aktuelles Semester: SoSe 2024

Impressum | Datenschutzerklärung