A bayesi és a frekventisa statisztika

Időpont: 
2017. 04. 07. 14:00
Hely: 
IB210
Előadó: 
Molnár D. László
Kivonat: 

A növekvő bayesi kutatások ellenére a statisztikai oktatás szinte mindenütt zömében frekventista alapon folyik. A bayesi módszertan előnye, hogy az a priori eloszlásokkal korábbi ismereteket lehet az analízisbe beépíteni. További előnye, hogy nem kísérleti elrendezések esetén is jól használhatóak, rugalmasak, és az eredmények tényleges valószínűségekként értelmezhetők.

Típus: 
Szakelőadás
CV: 
EDUCATION: - Medical Approbation for Germany (2011) (Hessisches Landesprüfungs- und Untersuchungsamt im Gesundheitswesen, Frankfurt am Main, Degree Nr.: A 110140) - PhD in communication (2008) (Degree: PTE 63/2008/Ph.D) "Out of the crisis. Evidence based communication programs for managing world demographic problems." - Specialized in social medicine (1987) Institute for Medical Further Education. - Sociologist, specialized in survey methodology and statistics (1985). - Studied human medicine (MD, 1980). MEDICAL LICENSURE - 2011 – German Medical Approbation # A1101040 (Hessen) - 2016 – 2020 Hungarian Medical license, stamp # 37950 THERAPEUTIC AREA EXPERIENCE - Autoimmune, cardiovascular, cerebrovascular, diabetes, endocrinology, gastrointestinal, genetics (genetic polymorphism, affymetrix, NGS), infectious, medical devices, musculoskeletal, oncology, neurology, pain, psychiatry, reproductive, respiratory, thrombosis-hemostasis, women’s health; veterinary medicine. UNIVERSITY TEACHING 1998 – 2006 Pázmány Péter University, Piliscsaba. Lecturer on mathematical statistics I-II 1997 High School of Foreign Trade, Dept. of Public Relations 1995 – 1997 Semmelweis Medical University, Budapest. Lecturer on medical sociology 2010 Univ of Konstanz PROFESSIONAL EXPERIENCE: - General practitioner - Physician. Schöpf-Merei Hospital. Clinical laboratory, Budapest - Assistant professor. Social medicine and public health. István Hajnal Postgraduate Medical University - Head physician. Chief medical advisor on IT. Municipal Institute of Public Health, Budapest - Clinical Physician. National Institute of Cardiology, Budapest - Statistical software developer. Social Science Informatics Centre (TÁRKI) , Budapest - Statistician. Central Statistical Office, Budapest - National Institute of Oncology, Manager of National Cancer Registry and Epidemiology - Key Expert 3. Further Support to Statistical Office of Kosovo EuropeAid/KOS 2007 (with relocation). European Agency for Reconstruction - Biostatistician. Konstanz (NYCOMED) - Senior biostatistician. Frankfurt a.Main. (CRO) - SAS programmer. Wuppertal (Bayer) - Manager Biostatistics and Programming. Berlin (PAREXEL) - Biostatistician. Zug; San Francisco (Erythropoietic protoporphyria research) - Biostatistician. University of Veterinary Medicine - Statistician. Central Administration of National Pension Insurance. SELECTED COURSES - 2010 Hauptseminar. Die Zulassungsunterlagen: Produktinformationstexte & Dossier. Arzneimittelzulassung in Deutschland und Europa. Forum - Institut für Management GmbH, Bonn, Germany - 2010 Practical Introduction to Modern Bayesian Analysis using WinBUGS and R. Universität Ulm - 2001 Introduction to Resampling Methods - 2000 Critical Appraisal. Institute of Health Sciences. University of Oxford

A frekventista statisztikai és adatbányászati módszerek széles körben elterjedtek és szoftveresen is támogatottak, amely alkalmazásukat jelentősen megkönnyíti. A növekvő bayesi kutatások ellenére a statisztikai oktatás szinte mindenütt zömében frekventista alapon folyik. A frekventista statisztika a valószínűséget relatív gyakoriságként értelmezi, míg a bayesi valószínűség egy mennyiség, ami az adott tudást vagy vélekedést kvantifikálja. A bayesi statisztika lényegében egy tanulási folyamat. A bayesi statisztikai tanulás során ötvözik a hipotetiko-deduktív („ top down”) és az induktív („bottom up”) szemléletet. Az adatelemzés során a Bayes-tétel alkalmazásával kombinálják az a priori eloszlásokat és az adatokat. A létrejövő a posteriori eloszlások képletesen szólva egy homokóra középső részének felelnek meg, míg az óra felső része a hipotetiko-deduktív részt képviseli az a priori eloszlásokkal, alsó része pedig az adatok területe az induktív logikával. Az a posteriori eloszlások folyamatosan frissülnek az adatok tükrében. A hagyományos, frekventista statisztika viszont elsősorban induktív metódusnak tekinthető, amely főleg az összegyűjtött adatokon alapszik. A bayesi filozófiát és módszertant nemcsak akkor érdemes használni, ha az adatok nem felelnek meg az előírt feltételeknek, hiszen a frekventista statisztika tárházában is van olyan metodika, amely nem normális eloszlás, heteroszkedaszticitás vagy egyéb feltételeknek meg nem felelés esetén használhatóak. A bayesi módszertan előnye, hogy az a priori eloszlásokkal korábbi ismereteket lehet az analízisbe beépíteni. További előnye, hogy nem kísérleti elrendezések esetén is jól használhatóak, rugalmasak, és az eredmények tényleges valószínűségekként értelmezhetők.