Ugrás a fő tartalomra
Vissza a főoldalra

Bayesi ökonometria minikurzus

A párizsi ESSEC Business School pénzügytan professzorával nyújt bevezetést a Bayes-paradigmába.
2024.10.21. 14:00 – 2024.10.22. 13:10
Budapesti Corvinus Egyetem

Dátum és helyszín:

2024. október 21. hétfő: 14:00-17:20 (szünettel) (E.279.1 terem) 

2024. október 22. kedd: 9:50-11:20 és 11:40-13:10 (E.279.1 terem)

Oktató: Dr. Fülöp András (az ESSEC Business School, Párizs pénzügytan professzor). 

A minikurzus célja, hogy bevezetést nyújtson a Bayes-paradigmába és annak gyakorlati megvalósításába. A tréninget legalább mester szintű ökonometria tudással javasoljuk felvenni

A tanfolyam tankönyve a „Bayesian Core, A Practical Approach to Computational Bayesian Statistics”, J.-M. Marin & Ch. P. Robert, Springer-Verlag, New York, 2007 (BC).   

Az órán Pythont fogunk használni, ezért a résztvevőknek ajánlott laptopot hozniuk, de a könyv weboldalán, a https://www.ceremade.dauphine.fr/~xian/BCS/ címen párhuzamos R kódot is találnak.  

Menetrend:  

  • Hétfő, 2024. október 21.: 14:00-17:20 (szünettel) (E.279.1 terem). 
  • Kedd, 2024. október 22.: 9:50-11:20 és 11:40-13:10 (E.279.1 terem).   

Előzetes felosztás:   

  • Bevezetés a Bayes-statisztikába  
    • Témakörök: normál modell, feltételes eloszlások, priorok, poszteriorok, nem megfelelő priorok, konjugált priorok, exponenciális eloszláscsaládok, tesztek, Bayes-faktorok, döntéselmélet, fontossági mintavételezés.  
    • Olvasmányok: BC 2. fejezete   
  • Bayesi regresszió  
    • Témakörök: Regresszió és változóválasztás, G-priorok, noninformatív priorok, Gibbs-mintavételezés, változóválasztás  
    • Olvasmányok: BC 3. fejezete  
  • Általánosított lineáris modellek 
    • Témakörök: Probit, logit és log-lineáris modellek, Metropolis-Hastings algoritmusok, modellválasztás   
    • Olvasmányok: BC 4. fejezete  

Ne hagyd ki a lehetőséget, hogy egy szakértővel együtt ismerkedj meg a Bayes-ökonometria alapjaival. Jelentkezés és további információ: Dr. Csóka Péter peter.csoka@uni-corvinus.hu. 

Vágólapra másolva
X
×