BayesTechniken
BayesTechniken bezeichnen eine Gruppe statistischer und rechnerischer Methoden, die auf dem Bayes'schen Inferenzrahmen basieren. Zentral ist Bayes' Theorem, das die Wahrscheinlichkeit eines Hypothesenraums H gegeben beobachteten Daten D als Verhältnis von Priorwahrscheinlichkeit P(H) zu der Likelihood P(D|H) und der Evidenz P(D) beschreibt: P(H|D) = P(D|H) P(H) / P(D).
Bayesianische Ansätze aktualisieren damit Vorannahmen (P(H)) mit neuen Daten, wodurch sich die Posteriorverteilung P(H|D) ergibt. Die
Zu den typischen Methoden gehören MCMC-Verfahren wie Metropolis-Hastings oder Gibbs-Sampling, die es ermöglichen, Stichproben aus komplexen
Bayesianische Netzwerke sind grafische Modelle, in denen Variablen durch gerichtete azyklische Graphen verbunden sind; sie ermöglichen
Anwendungen finden sich in Wissenschaft, Ingenieurwesen, Medizin, Ökonomie und Maschinellem Lernen, darunter Diagnosen, Prognosen, A/B-Tests, Signalverarbeitung