Suchergebnisse

"Bei der bayesianischen Datenanalyse handelt es sich nicht um eine bestimmte Methode, sondern um einen Ansatz zur Schätzung quantitativer empirischer Modelle und ihrer stochastischen Elemente. Während die klassische parametrische Inferenzstatistik die Stochastizität der Daten analysiert, unter Annahme verschiedener Parameterwerte, von denen dann einige nach bestimmten Kriterien (etwa dem Maximum-Likelihood-Prinzip) ausgewählt werden, analysiert die bayesianische Statistik die stochastische Verteilung der Schätzparameter, unter Annahme einer bestimmten Verteilungsstruktur der Daten und der A-priori-Verteilung der zu schätzenden Parameter. Der Vorteil bayesianischer Schätzungen liegt unter anderem in der Möglichkeit, relativ komplexe Modelle selbst bei kleiner Beobachtungszahl zu schätzen. Dies macht bayesianische Schätzungen besonders attraktiv in Forschungsgebieten mit kleinen Datensätzen, etwa in der vergleichenden Politikforschung. Zudem ermöglichen bayesianische Schätzungen die Integration quantitativer und qualitativer Forschungsergebnisse, die in die A-priori-Parameterverteilung eingehen können. Nachteile bayesianischer Schätzungen liegen in der größeren Bedeutung subjektiver Verteilungsannahmen und der analytischen Intraktabilität vieler Modelle; numerische Verteilungsermittlungen sind häufig unumgänglich." (Autorenreferat)