Perguntas com a marcação «bayesian»

Imagine a seguinte configuração: Você tem 2 moedas, a moeda A que é garantida como justa e a moeda B que pode ou não ser justa. Você é solicitado a fazer 100 lançamentos de moedas, e seu objetivo é maximizar o número de caras . Sua informação prévia sobre a …

14 bayesian  decision-theory 

Está disponível uma interpretação bayesiana de REML? Para minha intuição, REML tem uma forte semelhança com os chamados procedimentos empíricos de estimativa de Bayes , e me pergunto se algum tipo de equivalência assintótica (sob alguma classe adequada de priores, digamos) foi demonstrada. Tanto Bayes empírico como REML parecem abordagens …

14 bayesian  asymptotics  reml 

Pergunta: Quais são as vantagens / desvantagens de usar um anterior sobre o outro para a seleção de variáveis? Suponha que eu tenha a probabilidade: onde eu posso colocar qualquer um dos anteriores: w i ∼ π δ 0 + ( 1 - π ) N ( 0 , 100 …

14 bayesian  feature-selection 

Para meu entendimento (muito básico), Naive Bayes estima probabilidades com base nas frequências de classe de cada recurso nos dados de treinamento. Mas como calcula a frequência de variáveis ​​contínuas? E ao fazer previsões, como classifica uma nova observação que pode não ter os mesmos valores de qualquer observação no …

14 machine-learning  classification  bayesian  naive-bayes 

Tenho notado que, em muitas aplicações práticas, os métodos baseados no MCMC são usados ​​para estimar um parâmetro, mesmo que o posterior seja analítico (por exemplo, porque os anteriores eram conjugados). Para mim, faz mais sentido usar estimadores MAP em vez de estimadores baseados no MCMC. Alguém poderia apontar por …

13 bayesian  mcmc  posterior 

O que é o Deep Learning Bayesiano e como ele se relaciona com as estatísticas Bayesianas tradicionais e com o Deep Learning tradicional? Quais são os principais conceitos e matemática envolvidos? Eu poderia dizer que são apenas estatísticas bayesianas não paramétricas? Quais são suas obras seminais, bem como seus principais …

13 bayesian  deep-learning 

Portanto, sabemos que a pesquisa aleatória funciona melhor que a pesquisa em grade, mas uma abordagem mais recente é a otimização bayesiana (usando processos gaussianos). Procurei uma comparação entre os dois e não encontrei nada. Eu sei que no cs231n de Stanford eles mencionam apenas pesquisa aleatória, mas é possível …

13 bayesian  hyperparameter 

Eu sou novo na pesquisa estatística bayesiana. Ouvi de pesquisadores que pesquisadores bayesianos implementam melhor o MCMC por eles mesmos do que usando ferramentas como JAGS / Stan. Posso perguntar qual é o benefício de implementar o algoritmo MCMC por si mesmo (em linguagens "não muito rápidas" como R), exceto …

13 bayesian  mcmc 

Como se deve transformar um resultado freqüentista em um prior bayesiano? Considere o seguinte cenário bastante genérico: Um experimento foi realizado no passado e um resultado em algum parâmetro foi medido. A análise foi realizada com uma metodologia frequentista. Um intervalo de confiança para ϕ é dado nos resultados.ϕϕ\phiϕϕ\phi Agora …

13 bayesian  confidence-interval  meta-analysis  prior 

Minha pergunta diz respeito aos anteriores dos tamanhos dos efeitos, no meu projeto a medida é o de Cohen . Ao ler a literatura, parece que vagas vagas são frequentemente usadas, como no conhecido exemplo de oito escolas de uma meta-análise bayesiana hierárquica. No exemplo das oito escolas, vi um …

13 bayesian  meta-analysis  effect-size 

Não entendo como essa equação foi derivada. P(I|M1∩M2)≤P(I)P(I′)⋅P(M1|I)P(M2|I)P(M1|I′)P(M2|I′)P(I|M1∩M2)≤P(I)P(I′)⋅P(M1|I)P(M2|I)P(M1|I′)P(M2|I′)P(I|M_{1}\cap M_{2}) \leq \frac{P(I)}{P(I')}\cdot \frac{P(M_{1}|I)P(M_{2}|I)}{P(M_{1}|I')P(M_{2}|I')} Esta equação foi do artigo "Trial by Probability", onde o caso de OJ Simpson foi dado como um exemplo de problema. O réu está sendo julgado por duplo assassinato e duas evidências são apresentadas contra ele. é o …

13 bayesian  conditional-probability  bayes 

Eu perguntei sobre isso antes e realmente tenho lutado para identificar o que torna um parâmetro de modelo e o que o torna uma variável latente. Portanto, analisando vários tópicos sobre este tópico neste site, a principal distinção parece ser: Variáveis ​​latentes não são observadas, mas têm uma distribuição de …

13 bayesian  modeling  random-variable  latent-variable 

Existe um conjugado antes da distribuição de Laplace ? Caso contrário, existe uma expressão de forma fechada conhecida que se aproxima do posterior para os parâmetros da distribuição de Laplace? Eu pesquisei bastante por aí, sem sucesso, então meu palpite atual é "não" nas perguntas acima ...

13 bayesian  conjugate-prior  laplace-distribution 

Eu apenas comecei a construir modelos em stan ; para familiarizar-me com a ferramenta, estou trabalhando em alguns dos exercícios em Análise Bayesiana de Dados (2ª ed.). O exercício Waterbuck supõe que os dados , com ( N , θ ) desconhecido. Como o Hamiltoniano Monte Carlo não permite parâmetros …

13 bayesian  mcmc  discrete-data  stan 

Ao obter amostras do MCMC para inferir um parâmetro específico, quais são os bons guias para o número mínimo de amostras efetivas que se deve buscar? E esse conselho muda à medida que o modelo se torna mais ou menos complexo?

13 bayesian  sample-size  mcmc  posterior