Skip to main content
SpringerLink
Log in

Stochastische Prozesse und Bayessches Schätzen

  • Chapter
  • First Online:
Handbuch Modellbildung und Simulation in den Sozialwissenschaften

  • 8530 Accesses

Zusammenfassung

Dieser Beitrag gibt eine Einführung in die Beschreibung bzw. Modellierung von zeitlich veränderlichen Vorgängen mittels stochastischer Prozesse. Des Weiteren wird das Schätzen der statistischen Parameter dieser Prozesse mittels des Bayesschen Inferenz-Kalküls diskutiert. Im ersten Teil wird dazu der Begriff des stochastischen Prozesses eingeführt und am Beispiel des Bernoulli-Prozesses verschiedene Möglichkeiten der Darstellung eines Prozesses diskutiert. Es existieren verschiedene natürliche Verallgemeinerungen des Bernoulli-Prozesses hin zu komplexeren Prozessen, wovon in diesem Beitrag Markov-Ketten und Poisson-Prozesse diskutiert werden, da diese grundlegende Basisprozesse der statistischen Modellierung darstellen. Im Anschluss wird wiederum am Beispiel des Bernoulli-Prozesses das Bayessche Schätzen von Parametern eines statistischen Modells erl äutert. Im letzten Teil des Beitrags wird anhand eines nicht-trivialen Beispiels gezeigt, wie diese Methoden in der Praxis angewandt werden können.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 89.99
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
Hardcover Book
USD 179.99
Price excludes VAT (USA)
  • Durable hardcover edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literaturverzeichnis

  • Applebaum, D. (2009) Levy Processes and Stochastic Calculus. Cambridge: Cambridge University Press.

    Book  Google Scholar 

  • Bartholomew, D. J. (1967) Stochastic Models for Social Processes. London: Wiley.

    Google Scholar 

  • Bayes, T. (1763), ,An Essay towards Solving a Problem in the Doctrine of Chances. By the Late Rev. Mr. Bayes, F. R. S. Communicated by Mr. Price, in a Letter to John Canton, A. M. F. R. S.“ Philosophical Transactions (1683-1775) 53: 370–418.

    Google Scholar 

  • Berger, J. O. (1993) Statistical Decision Theory and Bayesian Analysis. New York: Springer.

    Google Scholar 

  • Bernardo, J. M. UND a. F. M. Smith (1994) Bayesian Theory. Hoboken: Wiley.

    Google Scholar 

  • Box, G. E. P., G. M. Jenkins UND G. C. Reinsel (2008) Time Series Analysis: Forecasting and Control. Hoboken: Wiley.

    Book  Google Scholar 

  • Braun, N., M. Keuschnigg UND T. Wolbring (2012) Wirtschaftssoziologie I: Grundzuge. MUnchen: Oldenbourg.

    Book  Google Scholar 

  • Coleman, J. S. (1964) Introduction to Mathematical Sociology. New York: The Free Press of Glencoe.

    Google Scholar 

  • Doob, J. L. (1990) Stochastic Processes. Hoboken: Wiley-Interscience.

    Google Scholar 

  • Gamerman, D. UND H. F. Lopes (2006) Markov Chain Monte Carlo: Stochastic Simulation for Bayesian Inference. Boca Raton: CRC Press.

    Google Scholar 

  • Gelman, a. (2004) Bayesian Data Analysis. Boca Raton: Chapman & Hall/CRC.

    Google Scholar 

  • Gilks, W. R., S. Richardson und D. J. Spiegelhalter (1996) Markov Chain Monte Carlo in Practice. Boca Raton: CRC Press.

    Google Scholar 

  • Hoel P. G., S. C. Port UND C. J. Stone (1986) Introduction to Stochastic Processes. Long Grove: Waveland Press.

    Google Scholar 

  • Jackman, S. (2009) Bayesian Analysis for the Social Sciences. Hoboken: Wiley.

    Book  Google Scholar 

  • JAYNES, E. T. (1968) „Prior Probabilities.“ IEEE Transactions on Systems Science and Cybernetics 4: 227–241.

    Article  Google Scholar 

  • JAYNES, E. T. (2010) Probability Theory: The Logic of Science. Cambridge: Cambridge University Press.

    Google Scholar 

  • Kemeny, J. G. UND J. L. Snell (1969) Finite Markov Chains. New York: VanNostrand.

    Google Scholar 

  • Klenke, A. (2008) Wahrscheinlichkeitstheorie. Berlin/Heidelberg: Springer.

    Google Scholar 

  • Lindley, D. V. (1965) Introduction to Probability and Statistics from a Bayesian View Point. Cambridge: Cambridge University Press.

    Book  Google Scholar 

  • Lunn, D., C. Jackson, D. J. Spiegelhalter, N. Best und A. Thomas (2012) The BUGS Book: A Practical Introduction to Bayesian Analysis. Boca Raton: CRC Press.

    Google Scholar 

  • Lunn, D., D. Spiegelhalter, A. Thomas und N. Best (2009) „The BUGS Project: Evolution, Critique and Future Directions“ Statistics in Medicine 28: 3049–3067.

    Google Scholar 

  • Müller-Benedict, V. (1996) „Die spezifische Erklarungskraft von Schwellenwert-Modellen.“ Kölner Zeitschrift für Soziologie und Sozialpsychologie 48: 339–352.

    Google Scholar 

  • Opp, K.-D. (1991) „DDR ’89. Zu den Ursachen einer spontanen Revolution.“ Kölner Zeitschrift für Soziologie und Sozialpsychologie 43: 302–321.

    Google Scholar 

  • Opp, K.-D. (2012) „Die Produktion historischer, Tatsachen.‘“ Soziologie 41: 143–157.

    Google Scholar 

  • Pinsky, M. A. UND S. Karlin (2011) An Introduction to Stochastic Modeling. Amsterdam, Boston: Academic Press.

    Google Scholar 

  • Plummer, M. (2003) „JAGS: A Program for Analysis of Bayesian Graphical Models Using Gibbs Sampling.“ S. 20–22 in: K. Hornik, F. Leisch UND A. Zeileis (Hg.) Proceedings of the 3rd International Workshop on Distributed Statistical Computing (DSC 2003).

    Google Scholar 

  • Prais, S. J. (1955) „Measuring Social Mobility.“ Journal of the Royal Statistical Society. Series A (General”) 118: 56–66.

    Article  Google Scholar 

  • Rasmussen, C. E. UND C. K. I. Williams (2006) Gaussian Processes for Machine Learning. Cambridge: MIT Press.

    Google Scholar 

  • Robert, C. P. (2007) The Bayesian Choice: From Decision-Theoretic Foundations to Computational Implementation. New York: Springer.

    Google Scholar 

  • Rogers, L. C. G. UND D. Williams (2000) Diffusions, Markov Processes and Martingales: Volume 2, Ito calculus. Cambridge: Cambridge University Press.

    Google Scholar 

  • Schervish, M. J. (1997) Theory of Statistics. New York: Springer.

    Google Scholar 

  • S0RENSEN, A. B. (1983) „Processes of Allocation to Open and Closed Positions in Social Structure.“ Zeitschrift für Soziologie 12: 203–224.

    Google Scholar 

  • S0RENSEN, A. B. UND A. L. Kalleberg (1977) An Outline of a Theory of the Matching of Persons to Jobs. Institute for Research on Poverty, University of Wisconsin-Madison.

    Google Scholar 

  • Waldmann, K.-H. UND U. M. Stocker (2013) Stochastische Modelle: Eine anwendungsorientierte Einfuöhrung. Berlin: Springer.

    Google Scholar 

  • White, H. C. (1970) Chains of Opportunity: System Models of Mobility in Organizations. Cambridge: Harvard University Press.

    Book  Google Scholar 

  • Young, G. A. UND R. L. Smith (2010) Essentials of Statistical Inference. Cambridge: Cambridge University Press.

    Google Scholar 

Download references

Author information

Authors and Affiliations

  1. MPI MIS Leipzig, Leipzig, Deutschland

    Philipp Benner

  2. Universität Leipzig, Leipzig, Deutschland

    Stephan Poppe Dipl.-Phys.

Authors
  1. Philipp Benner
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Stephan Poppe Dipl.-Phys.
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Philipp Benner .

Editor information

Editors and Affiliations

  1. Ludwig Maximilians-Universität München, Germany

    Norman Braun

  2. Friedrich-Alexander-Universität Erlangen-Nürnberg, Germany

    Nicole J. Saam

Rights and permissions

Reprints and permissions

Copyright information

© 2015 Springer Fachmedien Wiesbaden

About this chapter

Cite this chapter

Benner, P., Poppe, S. (2015). Stochastische Prozesse und Bayessches Schätzen. In: Braun, N., Saam, N. (eds) Handbuch Modellbildung und Simulation in den Sozialwissenschaften. Springer VS, Wiesbaden. https://doi.org/10.1007/978-3-658-01164-2_10

Download citation

  • DOI: https://doi.org/10.1007/978-3-658-01164-2_10

  • Published:

  • Publisher Name: Springer VS, Wiesbaden

  • Print ISBN: 978-3-658-01163-5

  • Online ISBN: 978-3-658-01164-2

  • eBook Packages: Humanities, Social Science (German Language)

Publish with us

Policies and ethics

Search

Navigation