Buch, Deutsch, 140 Seiten, Format (B × H): 145 mm x 210 mm
Buch, Deutsch, 140 Seiten, Format (B × H): 145 mm x 210 mm
ISBN: 978-3-89722-847-4
Verlag: Logos
Assoziationsstrukturen und ein-oder wechselseitige Einflüsse zu erfassen ist ein klassisches Anliegen der Statistik. In der vorliegenden Arbeit wird dazu auf das Konzept gerichteter azyklischer Graphen (directed azyclic graphs, kurz: DAGs) zurückgegriffen, mit Hilfe derer sich sowohl bedingte als auch marginale Unabhängigkeiten darstellen lassen. Ausgehend von der Annahme einer multivariaten Normalverteilung wird die Modellselektion auf binäre Variablen und schließlich auf den gemischten Fall (d.h. stetige und diskrete Variablen) übertragen.
Dabei wird ein bayesianischen Ansatzes, nämlich ein sogenannter Reversible Jump MCMC Algorithmus verwendet, welcher den selektierten DAGs posteriori Wahrscheinlichkeiten zuordnet und somit eine sinnvolle Interpretation der Ergebnisse zuläßt. - Der Algorithmus ist innerhalb des Programmpakets BayesX implementiert, und die beschriebene Modellselektion für interessierte Anwender jederzeit frei zugänglich.
