1. den

• specifika Bayesovské statistiky, likelihood, dualita data-model
• princip Markov Chain Monte Carlo (MCMC)
• základy OpenBUGS a JAGS
• jednoduché modely
• bestiář pravděpodobnostních rozložení a jejich zápis v jazyce BUGS
• zobecněné lineární modely:
  • lineární regrese
  • logistická regrese
  • Poissonovská regrese
  • ANOVA apod.

2. den

• hierarchické (mixed-effect, multilevel) modely
• random effects vs. fixed effects, latentní proměnné
• složitější modely, informative vs. neinformative priors
• analýza časových řad, autokorelační funkce
• hustotní závislost, náhodné procházky
• analýza prostorových a geografických dat
• prostorová autokorelace, modul GeoBUGS
• výběr modelů, hodnocení modelů, informační kritéria
• práce se spolehlivostí a nejistotou
• intervaly spolehlivosti, predikční intervaly

Cílem kurzu je seznámit účastníky s moderní aplikovanou Bayesiánskou statistikou a ukázat, že statistika může být “stavebnicí”, kde znalost několika základních dílů umožňuje analýzu libovolně složitého problému. Důraz je kladen více na praktické výhody Bayesiánského přístupu a méně na teoretická specifika.

Během kurzu se účastníci naučí pracovat v jazyce BUGS. Kurz předpokládá elementární znalost prostředí R, znalost základů programování je výhodou, ne však nutností.