Perguntas com a marcação «bayesian»

A inferência bayesiana é um método de inferência estatística que se baseia no tratamento dos parâmetros do modelo como variáveis ​​aleatórias e na aplicação do teorema de Bayes para deduzir declarações subjetivas de probabilidade sobre os parâmetros ou hipóteses, condicionadas ao conjunto de dados observado.

2
Que distribuições anteriores poderiam / deveriam ser usadas para a variação em um modelo bayesisan hierárquico quando a variação média é de interesse?
Em seu artigo amplamente citado, distribuições anteriores para parâmetros de variância em modelos hierárquicos (916 citação até agora no Google Scholar) Gelman propõe que boas distribuições prévias não informativas para a variação em um modelo bayesiano hierárquico são a distribuição uniforme e a distribuição de meia tonelada. Se eu entendi …

2
O que são estruturas G de estrutura R em um glmm?
Eu tenho usado o MCMCglmmpacote recentemente. Estou confuso com o que é referido na documentação como estrutura R e estrutura G. Eles parecem estar relacionados aos efeitos aleatórios - em particular especificando os parâmetros para a distribuição anterior sobre eles, mas a discussão na documentação parece assumir que o leitor …

2
Pressione e execute o MCMC
Estou tentando implementar o algoritmo MCMC hit and run, mas estou com um pouco de dificuldade para entender como fazê-lo. A ideia geral é a seguinte: Para gerar um salto de proposta no MH, nós: Gere uma direção partir de uma distribuição na superfície da esfera unitáriadddOO\mathcal{O} Gere uma distância …
16 r  bayesian  mcmc 

1
Escolhendo entre versões beta não informativas
Estou procurando informações preliminares não informativas para a distribuição beta para trabalhar com um processo binomial (acerto / acerto). No começo, pensei em usar α=1,β=1α=1,β=1\alpha=1, \beta=1 que gera um PDF uniforme ou Jeffrey antes de α=0.5,β=0.5α=0.5,β=0.5\alpha=0.5, \beta=0.5 . Mas, na verdade, estou procurando priors que tenham o efeito mínimo em …


5
Por que
eu suponho que P(A|B)=P(A|B,C)∗P(C)+P(A|B,¬C)∗P(¬C)P(A|B)=P(A|B,C)∗P(C)+P(A|B,¬C)∗P(¬C)P(A|B) = P(A | B,C) * P(C) + P(A|B,\neg C) * P(\neg C) está correto, enquanto P(A|B)=P(A|B,C)+P(A|B,¬C)P(A|B)=P(A|B,C)+P(A|B,¬C)P(A|B) = P(A | B,C) + P(A|B,\neg C) está incorreto. No entanto, tenho uma "intuição" sobre a mais recente, ou seja, você considera a probabilidade P (A | B) dividindo dois …

2
Somos freqüentistas realmente apenas bayesianos implícitos / inconscientes?
Para um dado problema de inferência, sabemos que uma abordagem bayesiana geralmente difere na forma e nos resultados de uma abordagem fequentista. Os freqüentistas (geralmente me incluem) frequentemente apontam que seus métodos não requerem um prévio e, portanto, são mais "orientados a dados" do que "orientados a julgamento". Obviamente, os …

2
Como o ABC e o MCMC diferem em suas aplicações?
No meu entender, a Computação Bayesiana Aproximada (ABC) e Monte Carlo da Cadeia de Markov (MCMC) têm objetivos muito semelhantes. Abaixo, descrevo minha compreensão desses métodos e como percebo as diferenças em sua aplicação aos dados da vida real. Computação Bayesiana Aproximada ABC consiste em amostrar um parâmetro de um …




7
O que você fez / para se lembrar da regra de Bayes?
Eu acho que uma boa maneira de lembrar a fórmula é pensar na fórmula assim: A probabilidade de algum evento A ter um resultado específico, dado o resultado de um evento independente B = a probabilidade de ambos os resultados ocorrerem simultaneamente / o que quer que disséssemos que a …
15 bayesian  bayes 


2
Regressão de Ridge - interpretação bayesiana
Ouvi dizer que a regressão de cordilheira pode ser derivada como a média de uma distribuição posterior, se o prior for adequadamente escolhido. A intuição de que as restrições definidas nos coeficientes de regressão pelas anteriores (por exemplo, distribuições normais padrão em torno de 0) são idênticas / substitui a …


Ao utilizar nosso site, você reconhece que leu e compreendeu nossa Política de Cookies e nossa Política de Privacidade.
Licensed under cc by-sa 3.0 with attribution required.