Archive for the ‘Bayesianische Statistik’ tag
Konferenzaktivitäten März/April 2010: Meta-Analysis, Bayes & MCMC, Prekäre Beschäftigungsverhältnisse & Kinderwunsch
Nachdem der aktive Teil des Semester (im Umfang von 8 SWS) vorbei ist, soll nun wieder die Forschung in den Vordergrund treten und es gilt, den Besuch einiger Konferenzen und Workshops vorzubereiten. Und nachdem ich (beziehungsweise ich als Koautor) während des laufenden Semesterbetriebs noch drei Artikel beendet bzw. eingereicht habe, können auch noch ein paar neue Forschungsergebnisse präsentiert werden.
Prekäre Beschäftigungsverhältnisse, Partnerschaftsqualität und der aktuelle Kinderwunsch
Call for Papers: Finding Thetas in Europe – Conference on Applied Bayesian Statistics and MCMC Methods in the Social Sciences, 08-09 April 2010, University of Mannheim
We are pleased to announce the conference “Finding Thetas in Europe – Applied Bayesian Statistics and MCMC Methods in the Social Sciences” at the University of Mannheim, Germany, from 8th to 9th April 2010. This interdisciplinary conference is organized by young scholars from the University of Cologne and the University of Mannheim. It intends to gather young social scientists from Europe who apply Bayesian and MCMC methods in their research.
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]
