Archive for the ‘Bayes’ tag
Sammelsurium interessanter Dinge (I)
Während sich mcsamp um den Verstand und meinen Hauptspeicher “samplet”[1], einige Hinweise auf Interessantes der letzten Woche(n):
- Eine gelungene Zusammenfassung von Sutton und Higgins zum aktuellen (Methoden)Stand der Meta-Analyse aus (bio/medizin)statistischer Sicht: “Recent developments in meta-analysis“. Wie zu erwarten, werden Meta-Analysen auf Grundlage von individual patient data eine immer gewichtigere Rolle spielen.
- Die Ankündigung der Tagung “Uneindeutigkeit als Herausforderung. Risiko, amtliche Statistik und Wahrscheinlichkeit” klingt spannend und müsste ich nicht meine Diss zu einem (hoffentlich) guten Ende bringen, hätte es mich in den Süden der Republik verschlagen (ich hätte vor allem gerne die Vorträge von Götz Rohwer, Friedrich Leisch und Thomas Augustin angeschaut). Definitiv ein Thema, dem ich mich nach der Diss widmen werde.
- Unabhängig von einander und mit unterschiedlicher Stoßrichtung machen sich Gary King sowie Rainer Böhme und Andreas Pfitzmann (via Bamblog) Gedanken über die zukünftige(n) Datengrundlage(n) in den Sozialwissenschaften.
- R ist in der Version 2.6.0 erschienen. Ich musste lernen, dass die Deinstallation der vorherige Version von R (2.5.1) und das Behalten der alten R-Pakete zu Konflikten führen kann. Aber es gibt wie immer einen Ausweg. Oder sogar noch einen besseren.
Notizen zur Anwendung Bayesianischer Methoden in der Soziologie
Vorbemerkung
Konkreter Anlass für die nachfolgenden Notizen ist ein Artikel (s.u.) im Economist, den ich erst fast überlesen hätte und der mich dann doch länger beschäftigt hat als ich dachte. Über kritische Anmerkungen oder auftretende Verständnisfragen würde ich mich freuen.
Klimamodelle, Soziologie und Unsicherheit
Die Diskussion um Anwendungen/Probleme/Vorteile Bayesianischer Statistik findet sich inzwischen auch in Magazinen wie The Economist wieder. Der mit Gambling on tomorrow überschriebene Artikel erläutert die “Schwierigkeiten”, die sich aus einer Bayesianischen Perspektive mit der Modellierung des Klimas ergeben [1]. Die Autoren heben vor allem auf den “problematischen” Umgang mit so genannten Prior-Informationen ab und den Konsequenzen, die sich für die Vorhersagen von Klimaphänomenen ergeben. In verschiedenen Simulationsläufen lassen sich diese Prior-Annahmen variieren:
“But models are not given single runs. Since the future is uncertain, they are run thousands of times, with different values for the parameters, to produce a range of possible outcomes. The outcomes are assumed to cluster around the most probable version of the future. [...] The particular range of values chosen for a parameter is an example of a Bayesian prior assumption, since it is derived from actual experience of how the climate behaves—and may thus be modified in the light of experience. But the way you pick the individual values to plug into the model can cause trouble.”[2]
