Die jüngsten Entwicklungen im Bereich der simulationsbasierten amortisierten Inferenz haben neue Möglichkeiten für die Durchführung systematischer Bayesianischer Analysen eröffnet. Der simulationsbasierte Ansatz erschließt das Potenzial komplexer Modelle, deren Likelihood oder Prior analytisch nicht berechenbar sind. Amortisierte Ansätze machen die erforderlichen Berechnungen relativ schnell und ermöglichen so den Einsatz komplizierter Modelle in Szenarien, die bisher als nicht durchführbar oder unpraktisch galten. Die Neuartigkeit dieses Ansatzes ist jedoch eine Herausforderung, da die breite Akzeptanz von der Verfügbarkeit einer benutzerfreundlichen Dokumentation und von Ressourcen abhängt, die den Einstieg in das Gebiet erleichtern. Ebenso sind empirische Beispiele nötig, die den Nutzen der Methode für die Anwender nachweisen.

In diesem Projekt liegt der Schwerpunkt auf Anwendungen in der kognitiven Modellierung und der Entwicklungspsychologie. Wir konzentrieren uns darauf, wie simulationsbasierte amortisierte Inferenz wichtige Herausforderungen in diesem Bereich angehen kann, nicht nur in der Phase der Datenanalyse, sondern auch bei der Planung und Durchführung von Studien und Experimenten. Als Nebenprodukt werden wir Tutorials und Lehrmaterialien erstellen, die eine sanfte Einführung in das Thema bieten. Dieses Projekt zielt auch darauf ab, die Grundlagen für die Integration der simulationsbasierten amortisierten Inferenz in gängige statistische Softwarepakete zu schaffen, die von Anwendern verwendet werden, die nicht über umfassende Programmierkenntnisse verfügen, um so den Kreis der Nutzer zu erweitern, die von den Vorteilen dieser Methode profitieren.

Projektmitglieder: Šimon Kucharský

Förderung: TU Dortmund