Am Ende dieses Kurses werden die Teilnehmer in der Lage sein, Bayes'sche Statistiken für die Entscheidungsfindung in Unternehmen und im Gesundheitswesen anzuwenden, probabilistische Modelle in Excel zu implementieren und fortgeschrittene A/B- und Multi-Varianten-Tests mit Python durchzuführen. Der Kurs beginnt mit einer praktischen Einführung in die Bayes'sche Argumentation in Excel, in der Sie lernen, Datensätze zu strukturieren, Gemeinsame und Bedingte Wahrscheinlichkeiten zu berechnen und Vorrangige Wahrscheinlichkeiten mit realen Beispielen aus dem Gesundheitswesen zu aktualisieren. Sie üben den Aufbau von Bayes'schen Wahrscheinlichkeitstabellen, die Interpretation von wiederholten Testergebnissen und die Analyse der Vorhersageleistung für eine evidenzbasierte Entscheidungsfindung. Anschließend geht der Kurs über in die rechnergestützte Bayes'sche Statistik mit Python. Sie sammeln praktische Erfahrungen mit Markov Chain Monte Carlo (MCMC) Sampling, approximieren Posterior-Verteilungen mit PyMC und erforschen hierarchische Modelle für A/B- und Multi-Varianten-Tests. Was diesen Kurs auszeichnet, ist sein dualer Ansatz: einfache Excel-basierte Grundlagen für die sofortige Anwendung, gefolgt von fortgeschrittenen Python-Implementierungen für skalierbare Experimente und die Integration von Maschinellem Lernen.