Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.
040775 UK Biometrie 2 (2021W)
Prüfungsimmanente Lehrveranstaltung
Labels
DIGITAL
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Mo 13.09.2021 09:00 bis Do 23.09.2021 12:00
- Abmeldung bis Fr 15.10.2021 23:59
Details
max. 30 Teilnehmer*innen
Sprache: Deutsch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Freitag 01.10. 08:00 - 09:30 Digital
- Freitag 08.10. 08:00 - 09:30 Digital
- Freitag 15.10. 08:00 - 09:30 Digital
- Freitag 22.10. 08:00 - 09:30 Digital
- Freitag 29.10. 08:00 - 09:30 Digital
- Freitag 05.11. 08:00 - 09:30 Digital
- Freitag 12.11. 08:00 - 09:30 Digital
- Freitag 19.11. 08:00 - 09:30 Digital
- Freitag 26.11. 08:00 - 09:30 Digital
- Freitag 03.12. 08:00 - 09:30 Digital
- Freitag 10.12. 08:00 - 09:30 Digital
- Freitag 17.12. 08:00 - 09:30 Digital
- Freitag 07.01. 08:00 - 09:30 Digital
- Freitag 14.01. 08:00 - 09:30 Digital
- Freitag 21.01. 08:00 - 09:30 Digital
- Freitag 28.01. 08:00 - 09:30 Digital
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Art der Leistungskontrolle und erlaubte Hilfsmittel
Begleitende Hausübungsbeispiele unterschiedlichen Schwierigkeitsgrads und Umfangs; beides ist in den erreichbaren Punkten pro Beispiel abgebildet.
Mindestanforderungen und Beurteilungsmaßstab
Werden mehr als die Hälfte der Punkte erreicht, ergibt sich eine positive Note.
Prüfungsstoff
Vorlesungstoff
Literatur
Durbin, R., Eddy, S., Krogh, A., and Mitchison, G. (1998). Biological sequence analysis.
Cambridge University Press, Cambridge.Gelman, A., Carlin, J., Stern, H., and Rubin, D. (1995). Bayesian Data Analysis. Chapman
& Hall.
Cambridge University Press, Cambridge.Gelman, A., Carlin, J., Stern, H., and Rubin, D. (1995). Bayesian Data Analysis. Chapman
& Hall.
Zuordnung im Vorlesungsverzeichnis
Letzte Änderung: Fr 12.05.2023 00:13
2) Standardverteilungen und deren konjugierte Verteilungen, ebenfalls mit Beispielen aus der Biologie: Binomialverteilung mit der konjugierten Betaverteilung; Poissonverteilung mit der konjugierten Gammaverteilung; Exponentialverteilung mit der konjugierten Gammverteilung; Normalverteilung mit der Normal-invers-Chiquadratverteilung.
3) empirische Bayes Methode.
4) Bayes'sche Netzwerke, wo die bedingten Abhängigkeiten der Unbekannten durch einen gerichteten azyklischen Pfad dargestellt werden können; hidden-Markov-Modelle als Beispiel dafür (mit Beispielen aus der Mendelgenetik), mit dem Vorwärts-Rückwärts Algorithmus (eine dynamische Programmiermethode) als numerischer Methode um Wahrscheinlichkeiten auszurechnen. 5) kompliziertere Modelle, bei denen dynamisches Programmieren nicht mehr möglich ist (ebenfalls mit vielen biologischen Beispielen). Numerische Methoden: Monte-Carlo Markovketten (Metropolis, Gibbs und Metropolis-Hastings) Algorithmen sowie Expectation-Maximization (EM) Algorithmen.