WU Blog

Herzlich willkommen auf dem WU-Blog! Hier findet ihr eine Reihe an Blogbeiträgen von Studierenden, ForscherInnen, Lehrenden, Alumni und MitarbeiterInnen – mach mit!

Bayesian Statistics – eines der „heißesten“ statistischen Themen unserer Zeit

Im Zuge des erfolgreichen Bayesian Young Statisticians Meetings (BAYSM 2014), welches im September 2014 an der WU stattfand, ist nun im Springer-Verlag der zugehörige Sammelband erschienen. Dieser beinhaltet Beiträge junger WissenschaftlerInnen und ist in zwei Bereiche gegliedert. Ersterer trägt den Titel “Theory and Methods”; er umfasst sieben Kapitel zu mathematischer Statistik sowie Modellbildung mit methodischem Fokus, welche durch Fallbeispiele illustriert werden. Der zweite Teil beschäftigt sich mit “Applications and Case Studies”; hier geht es um die Anwendungen komplexer Methoden auf aktuelle Problemstellungen unterschiedlichster Fachrichtungen, die von Biologie über Astronomie bis hin zur Finanz- und Wirtschaftswissenschaft reichen. Wir haben die HerausgeberInnen des Buches, Mitglieder des Instituts für Statistik und Mathematik im Department für Finance, Accounting and Statistics, Sylvia Frühwirth-Schnatter, Angela Bitto, Gregor Kastner und Alexandra Posekany um ein Interview gebeten:

Wenn Sie einem Kind Bayesianische Statistik erklären müssten, mit welchen Worten würden Sie das tun?

Vermutlich gibt es gar nicht viel zu erklären; Kinder verwenden die Bayes-Regel ohnehin täglich, wenn auch vielleicht ohne formalem Rahmen. Es geht dabei um Vorabinformationen (A-priori-Wissen), welche durch Beobachtungen beziehungsweise Erfahrungen aktualisiert werden (A-posteriori-Wissen).

Bayesianische Statistik ist eines der „heißesten“ statistischen Themen unserer Zeit. Anwendung finden die erforschten Modelle bereits jetzt in weiten Bereichen des wirtschaftlichen Alltags. Sie dienen der maschinellen Erkennung und Klassifizierung von Texten, werden für Recommendation Engines in Webshops verwendet; die Versicherungsindustrie nutzt die Modelle für Katastrophenvorhersagen und Giganten wie Google, Facebook und LinkedIn dient sie zur Analyse der komplexen Netzwerke ihrer Nutzer. In der medizinischen Industrie konnten mittlerweile ganze Versuchsreihen durch bayesianische Methoden ersetzt werden.

Zurzeit rückt besonders die Analyse extrem großer Mengen schwach- und unstrukturierter Daten – in der Regel unter dem Sammelbegriff „Big Data“ zusammengefasst – in den Fokus der Forschung.

Wie viele Beiträge von JungwissenschaftlerInnen befinden sich in dem Sammelband? War es schwer diese Beiträge ausfindig zu machen und zusammenzutragen?

Im Zuge des zweiten Bayesian Young Statisticians Meeting (BAYSM 2014), welches im Vorjahr an der WU stattgefunden hat, gelang es uns, 14 besonders gelungene Einreichungen gesammelt herauszugeben. Natürlich hätten wir das ohne die großartige Unterstützung vieler erfahrener Bayesianer/innen, allen voran Prof.in Sylvia Frühwirth-Schnatter, niemals geschafft.
Für die BAYSM2014 gelang es, international angesehene Kapazitäten als Keynote Speaker zu gewinnen: Prof. Mike West (Professor of Statistics & Decision Sciences, Duke University),  Prof. Chris Holmes (Professor of Biostatistics, University of Oxford), Prof. Christian Robert (Professor, Université Paris-Dauphine)

Die Intention hinter dem Sammelband?

Das erste Bayesian Young Statisticians Meeting fand 2013 in Mailand statt und war ein voller Erfolg. Hinreichend Motivation für uns 2014 in Wien noch eines draufzusetzen und 2015 den nun vorliegenden Sammelband herauszugeben. Weiter geht’s 2016 in Florenz mit der dritten Konferenz dieser Art.

Welcher ist der wohl interessanteste Beitrag in Ihren Augen?

Es ist nahezu unmöglich, hier einen einzelnen Beitrag auszuwählen! Die Bandbreite der bayesianischen Methoden ist einfach viel zu groß. Der Beitrag von Madhura Killedar und Koautor/innen etwa beschäftigt sich mit dem Clustering von Galaxien, Matthew Simpson untersucht die Konvergenz ausgeklügelter Methoden der bayesianischen Inferenz, Jeremy Kolly greift das klassiche Problem der Vorhersage von Arbeitslosigkeit neu auf, und Clara Grazian untersucht mit ihrem Betreuer Christian Robert den Einfluss einer speziellen Klasse von A-Priori-Verteilungen auf Mischmodelle. Und das ist erst der Anfang…

#BAYSM #Sammelband #Forschung #BayesianischeStatistik #Methoden

11

Kommentar verfassen

This blog is kept spam free by WP-SpamFree.