Bayes'sche Variablenauswahl hat sich in den letzten 30 Jahren mit der Verbreitung großer Datensätze erheblich weiterentwickelt. Die Identifizierung relevanter Variablen, die in ein Modell aufgenommen werden sollen, ermöglicht eine einfachere Interpretation, vermeidet Überanpassung und Multikollinearität und kann Einblicke in die Mechanismen geben, die einem beobachteten Phänomen zugrunde liegen. Die Variablenauswahl ist besonders wichtig, wenn die Anzahl der potenziellen Prädiktoren wesentlich größer ist, als die Stichprobengröße und die Seltenheit vernünftigerweise angenommen werden kann. The Handbook of Bayesian Variable Selection bietet einen umfassenden Überblick über theoretische, methodische und rechnerische Aspekte der Bayes'schen Methoden zur Variablenauswahl. Zu den behandelten Themen gehören Spike-and-Slab-Prioren, kontinuierliche Schrumpfungsprioren, Bayes-Faktoren, Bayes'sche Modellmittelung, Partitionierungsmethoden sowie die Variablenauswahl in Entscheidungsbäumen und die Kantenauswahl in grafischen Modellen. Das Handbuch richtet sich an Doktoranden und etablierte Forscher, die die neuesten Entwicklungen auf diesem Gebiet verstehen möchten. Es bietet auch ein wertvolles Nachschlagewerk für alle, die daran interessiert sind, bestehende Methoden anzuwenden und/oder methodische Erweiterungen zu verfolgen. Features: Bietet einen umfassenden Überblick über Methoden und Anwendungen der Bayes'schen Variablenauswahl. Unterteilt in vier Teile: Spike-and-Slab Priors; Kontinuierliche Schrumpfung Prioren; Erweiterungen zu verschiedenen Modellierungen; Andere Ansätze zur Auswahl Bayes'scher Variablen. Behandelt theoretische und methodische Aspekte sowie erarbeitete Beispiele mit R-Code, die im Online-Supplement zur Verfügung gestellt werden. Enthält Beiträge von Experten auf diesem Gebiet. Unterstützt durch eine Website mit Code-Daten und anderem ergänzenden Material. Sprache: Englisch