Bayes-Update-Visualisierer
Beobachtungen hinzufügen und zusehen, wie aus einer Vorannahme eine Posterior-Verteilung mit Kredibilitätsintervall wird.
Analytics · Decision Science · Bayes
Entscheiden unter Unsicherheit – verständlich erklärt.
smartlytics erklärt Bayessche Statistik, Entscheidungstheorie, Simulation, Optimierung und Reinforcement Learning: mit sauberer Mathematik, konkreten Beispielen und interaktiven Explainern, die direkt im Browser rechnen.
Interaktiv
Ausprobieren statt nur lesen
Jeder Explainer zeigt ein Prinzip, das man sonst nur als Formel kennt – und rechnet exakt oder per Simulation mit klar benannter Methode.
Bayes A/B-Test-Rechner
Wahrscheinlichkeit, dass B besser ist, erwarteter Verlust und Uplift-Intervall – berechnet aus Besuchern und Conversions.
Monte-Carlo-Demo
π mit Zufallspunkten schätzen und ein Projekt mit unsicheren Aufgabendauern tausendfach durchspielen.
Bandit-Simulation
Drei Strategien, dieselben Arme: Wer findet schneller die beste Option – und was kostet das Lernen unterwegs?
Gridworld (Value Iteration & Q-Learning)
Eine kleine Welt mit Ziel, Fallen und Wänden: Wie Value Iteration plant und Q-Learning durch Ausprobieren lernt.
Einstieg
Die meistgesuchten Grundlagen
Vier Artikel, mit denen die meisten Leserinnen und Leser starten.
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.
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.
Monte-Carlo-Simulation einfach erklärt
Wie aus Zufallszahlen belastbare Zahlen werden: π schätzen, eine Projektdauer tausendfach durchspielen und den Simulationsfehler sauber abschätzen.
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.
Decision Intelligence
Wie alles zusammenhängt
Gute Entscheidungen verbinden vier Fragen. Jede hat ihre eigene Methode – und erst zusammen entsteht ein überprüfbarer Entscheidungsprozess. Was ist Decision Intelligence?
StatistikWas wissen wir – und wie sicher?SimulationWas könnte passieren?OptimierungWas ist die beste zulässige Handlung?LernenWas lehrt uns das Ergebnis?
NyxAI verbindet diese Bausteine in einem Entscheidungskern für Decision Intelligence. Mehr zum Entscheidungskern auf nyxai.com →
Themenwelt
Alle Themen
Bayes & Statistik
Bayes & Statistik
Aus Daten lernen, ohne Unsicherheit zu verstecken: Prior, Likelihood, Posterior – und was das für Experimente bedeutet.
Bayessche Statistik einfach erklärt
Bayes A/B-Test
Entscheiden & Optimieren
Entscheiden & Optimieren
Erwartungswert, Nutzen, Entscheidungsbäume und mathematische Optimierung: vom Abwägen zur besten zulässigen Handlung.
Entscheidungstheorie und Entscheidungsbäume
Optimierung: lineare Programme und Scheduling
Simulation & Unsicherheit
Simulation & Unsicherheit
Wenn Formeln nicht reichen: Zufall gezielt einsetzen, Szenarien durchspielen und Risiken sichtbar machen.
Monte-Carlo-Simulation einfach erklärt
Lernen aus Feedback
Lernen aus Feedback
Exploration und Exploitation: Bandits, Thompson Sampling und Reinforcement Learning als Lernen durch Handeln.
Multi-Armed Bandits & Thompson Sampling
Reinforcement Learning einfach erklärt
Decision Intelligence
Alles zusammen
Wie Statistik, Simulation, Optimierung und Lernen zu einem nachvollziehbaren Entscheidungssystem zusammenwachsen.