Likelihood-basierte Entscheidungstheorie unter Unsicherheit. Das Minimax-Prinzip und das Bayes-Prinzip

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.

Product details

• Authors: Claudio Salvati
• Publisher: Grin Verlag
• Languages: German
• Product format: Paperback / Softback
• Released: 01.01.2017
• EAN: 9783668449152
• ISBN: 978-3-668-44915-2
• No. of pages: 28
• Dimensions: 148 mm x 210 mm x 1 mm
• Weight: 56 g
• Series: Akademische Schriftenreihe Bd. V365975; Akademische Schriftenreihe Bd. V365975
• Subject: Natural sciences, medicine, IT, technology > Mathematics > Probability theory, stochastic theory, mathematical statistics