Andere Kunden interessierten sich auch für
![A Comparison of the Bayesian and Frequentist Approaches to Estimation]( "A Comparison of the Bayesian and Frequentist Approaches to Estimation")
A Comparison of the Bayesian and Frequentist Approaches to Estimation74,99 €![A Comparison of the Bayesian and Frequentist Approaches to Estimation]( "A Comparison of the Bayesian and Frequentist Approaches to Estimation")
A Comparison of the Bayesian and Frequentist Approaches to Estimation74,99 €![So lügt man mit Statistik]( "So lügt man mit Statistik")
So lügt man mit Statistik22,00 €![Statistical Decision Theory]( "Statistical Decision Theory")
Statistical Decision Theory152,99 €![Statistical Decision Theory]( "Statistical Decision Theory")
Statistical Decision Theory115,99 €![Statistical Decision Theory]( "Statistical Decision Theory")
Statistical Decision Theory37,99 €![Statistical Decision Theory and Related Topics V]( "Statistical Decision Theory and Related Topics V")
Statistical Decision Theory and Related Topics V37,99 €
Studienarbeit aus dem Jahr 2017 im Fachbereich Mathematik - Statistik, Note: 2,00, Ludwig-Maximilians-Universität München (Institut für Statistik), Veranstaltung: Fortgeschrittene Themen der Entscheidungstheorie, Sprache: Deutsch, Abstract: Die vorliegende Arbeit wird zunächst die Grundlagen der Entscheidungstheorie skizzieren, zwei bekannte Verfahren - das Minimax-Prinzip und das Bayes-Prinzip - vorstellen und anhand eines praktischen Beispiels aus der Vorlesung die Vorgehensweise veranschaulichen. Der Fokus liegt allerdings auf einem der Likelihood-Funktion zugrunde liegenden Entscheidungsverfahren: Im Hauptteil werden zunächst die der Likelihood zu Grunde liegende Idee und die Annahmen sowie Eigenschaften der Likelihood-Funktion erläutert und danach Entscheidungsverfahren und ihre Umsetzung eingeführt, die auf ihr basieren.