Bayessche Statistik einfach erklärt
Satz von Bayes, Prior, Likelihood und Posterior – mit dem klassischen Testbeispiel, der Beta-Binomial-Rechnung und einem ehrlichen Vergleich mit frequentistischen Verfahren.
Themenwelt
Themen: Von Bayes bis Reinforcement Learning
Fünf Themenfelder, ein roter Faden: bessere Entscheidungen unter Unsicherheit. Jeder Artikel steht für sich – zusammen ergeben sie das Handwerkszeug für Decision Intelligence.
2 Artikel
Bayes & Statistik
Aus Daten lernen, ohne Unsicherheit zu verstecken: Prior, Likelihood, Posterior – und was das für Experimente bedeutet.
Interaktiv: Bayes-Update-Visualisierer, Bayes A/B-Test-Rechner
Bayes A/B-Test
Wie wahrscheinlich ist B besser – und was kostet ein Irrtum? Beta-Posteriors, erwarteter Verlust, Uplift-Intervall und ehrliche Regeln fürs Stoppen.
2 Artikel
Entscheiden & Optimieren
Erwartungswert, Nutzen, Entscheidungsbäume und mathematische Optimierung: vom Abwägen zur besten zulässigen Handlung.
Entscheidungstheorie und Entscheidungsbäume
Von der Ergebnismatrix über Erwartungswert und Erwartungsnutzen bis zum Entscheidungsbaum: wie man Optionen unter Unsicherheit vergleicht – und was zusätzliche Information wert ist.
Optimierung: lineare Programme und Scheduling
Entscheidungsvariablen, Zielfunktion, Nebenbedingungen: wie lineare Programme funktionieren, was Schattenpreise verraten, warum Runden scheitert und wie Scheduling-Regeln wirken.
1 Artikel
Simulation & Unsicherheit
Wenn Formeln nicht reichen: Zufall gezielt einsetzen, Szenarien durchspielen und Risiken sichtbar machen.
Interaktiv: Monte-Carlo-Demo
Monte-Carlo-Simulation einfach erklärt
Wie aus Zufallszahlen belastbare Zahlen werden: π schätzen, eine Projektdauer tausendfach durchspielen und den Simulationsfehler sauber abschätzen.
2 Artikel
Lernen aus Feedback
Exploration und Exploitation: Bandits, Thompson Sampling und Reinforcement Learning als Lernen durch Handeln.
Interaktiv: Bandit-Simulation, Gridworld (Value Iteration & Q-Learning)
Multi-Armed Bandits & Thompson Sampling
Das Beste nutzen oder Neues ausprobieren? Regret, ε-greedy, UCB1 und Thompson Sampling – mit einem Schritt zum Nachrechnen und einer Simulation.
Reinforcement Learning einfach erklärt
Wie ein Agent durch Handeln und Rückmeldung lernt: Belohnungen, Markov-Entscheidungsprozesse, Bellman-Gleichung, Value Iteration und Q-Learning – mit Rechenbeispiel.
1 Artikel
Decision Intelligence
Wie Statistik, Simulation, Optimierung und Lernen zu einem nachvollziehbaren Entscheidungssystem zusammenwachsen.
Was ist Decision Intelligence?
Wie aus Daten überprüfbare Entscheidungen werden: Definition, Abgrenzung zu BI und Predictive Analytics, die methodischen Bausteine und ein durchgerechnetes Beispiel.