Bayesian Model Architect
Kruschke-Diagramme ยท McElreath-Notation ยท Gefรผhrter Modellaufbau ยท brms-Export
ยฉ Dr. Rainer Dรผsing ยท Interactive Tools by Claude
1 Likelihood โ€” Welche Verteilung?
2 Variablen
Prรคdiktoren
3 Struktur
Name der Gruppenindex-Variable im Datensatz (z.B. j = Schulen, person = Probanden)
4 Priors
5 Detailtiefe
Modelldiagramm (Kruschke-Notation)
ฮฑ ฮฒ ฯƒ Hyperprior y Plate โ—‹ latent   โ–ก beobachtet
McElreath-Notation
โ€” klicke auf einen Knoten โ€”
Was ist das?
Warum dieser Prior?
Tipp
โ„น Bayesian Model Architect
Kruschke-Diagramme lesen und verstehen

Dieses Tool zeigt dir die grafische Modellstruktur Bayesianischer Regressionsmodelle โ€” live, interaktiv, in einfachen Beispielen:

ยท โ—‹ offene Kreise = unbekannte Parameter, die Priors benรถtigen (ฮฑ, ฮฒ, ฯƒ)
ยท โ–ก Rechteck = beobachtete Daten y
ยท โ€ข Punkt = deterministischer Knoten (ฮผแตข) โ€” kein Prior, wird berechnet
ยท Pfeile zeigen die generative Richtung: Prior โ†’ Parameter โ†’ Daten
ยท Plates (gestrichelte Rahmen) markieren wiederholte Einheiten (i = 1โ€ฆN Beobachtungen; j = 1โ€ฆJ Gruppen)

Im hierarchischen Modell erhรคlt jede Gruppe j eine Abweichung vom globalen Intercept: uโ‚€โฑผ ~ Normal(0, ฯ„โ‚€). ฯ„โ‚€ steuert das AusmaรŸ des Partial Pooling โ€” kleines ฯ„โ‚€ = starke Shrinkage. Bei McElreath (Kap. 14, S. 441 ff.) heiรŸt dieser Parameter ฯƒ_ฮฑ. Random Slopes (uโ‚โฑผ ~ Normal(0, ฯ„โ‚), entspricht McElreaths ฯƒ_ฮฒ) sind hier exemplarisch nur fรผr den ersten Prรคdiktor implementiert, zur Illustration des Diagramm-Prinzips.
Nur einfache Beispielmodelle: bis zu 4 Prรคdiktoren, eine Gruppenstruktur, 5 Likelihoods. Der Fokus liegt auf der Struktur, nicht auf dem vollen Modellumfang. Klicke auf jeden Knoten im Diagramm fรผr eine Erklรคrung.
๐Ÿ“– Guide โ€” Schritt-fรผr-Schritt (oben). Empfehlung: zuerst durchlesen!
๐Ÿ’ก Erklรคrungen โ€” Klicke auf Knoten oder Formelzeilen rechts fรผr Kontext zu jedem Parameter.
โฌก Golem light โ€” Generiert R-Code: Parameter aus Priors ziehen und Daten simulieren.
Fรผr den vollen Modellumfang:
โฌก brms Model Builder โ€” 15 Likelihoods, Polynome, Interaktionen, distributional parameters, Random Effects, Prior Predictive Check โ€” direkt ausfรผhrbarer brms-Code.

โ†’ brms Model Builder โ†—