Perguntas com a marcação «bayesian»

Suponha que você tenha uma variável explicativa que representa uma determinada coordenada. Você também tem uma variável de resposta . Agora, podemos combinar as duas variáveis ​​como:X=(X(s1),…,X(sn))X=(X(s1),…,X(sn)){\bf{X}} = \left(X(s_{1}),\ldots,X(s_{n})\right)sssY=(Y(s1),…,Y(sn))Y=(Y(s1),…,Y(sn)){\bf{Y}} = \left(Y(s_{1}),\ldots,Y(s_{n})\right) W(s)=(X(s)Y(s))∼N(μ(s),T)W(s)=(X(s)Y(s))∼N(μ(s),T){\bf{W}}({\bf{s}}) = \left( \begin{array}{ccc}X(s) \\ Y(s) \end{array} \right) \sim N(\boldsymbol{\mu}(s), T) Nesse caso, simplesmente escolhemos μ(s)=(μ1μ2)Tμ(s)=(μ1μ2)T\boldsymbol{\mu}(s) = \left( \mu_{1} …

11 probability  bayesian  conditional-probability  gibbs 

Essa pergunta da comunidade do estouro da matemática pediu "exemplos de argumentos ruins que envolvem a aplicação de teoremas matemáticos em contextos não matemáticos" e produziu uma lista fascinante de matemática aplicada patologicamente. Estou pensando em exemplos semelhantes de usos patológicos da inferência bayesiana. Alguém já encontrou artigos acadêmicos, posts …

11 bayesian 

Parece que a distribuição binomial é muito semelhante em forma à distribuição beta e que posso parametrizar constantes em qualquer um dos pdf para fazê-las parecer iguais. Então, por que precisamos da distribuição beta? É para um propósito específico? Obrigado!

11 bayesian  mathematical-statistics  binomial  beta-distribution 

No artigo da wikipedia sobre suavização de Laplace (ou suavização aditiva), diz-se que, do ponto de vista bayesiano, isso corresponde ao valor esperado da distribuição posterior, usando uma distribuição simétrica de Dirichlet com o parâmetro como anterior.αα\alpha Estou confuso sobre como isso é realmente verdade. Alguém poderia me ajudar a …

11 bayesian  smoothing  dirichlet-distribution  laplace-smoothing 

Gostaria de saber se o intervalo de previsão e o intervalo credível avaliam a mesma coisa. Por exemplo, com uma regressão linear, quando você estima o intervalo de previsão de um valor ajustado, estima os limites do intervalo no qual espera que seu valor caia. Inversamente, para um intervalo de …

11 bayesian  linear-model  prediction  prediction-interval  credible-interval 

Parece que condicionais completos geralmente são bastante difíceis de derivar, mas programas como JAGS e BUGS os derivam automaticamente. Alguém pode explicar como eles geram algoritmos condicionais completos para qualquer especificação arbitrária de modelo?

11 bayesian  conditional-probability  jags  bugs  gibbs 

Eu tenho lido sobre estimativa de máxima verossimilhança e estimativa máxima a posteriori e até agora encontrei exemplos concretos apenas com a estimativa de máxima verossimilhança. Encontrei alguns exemplos abstratos de estimativa máxima a posteriori, mas nada concreto ainda com números: S Pode ser muito esmagador, trabalhando apenas com variáveis …

11 bayesian  estimation  posterior 

Eu aprendi anteriormente sobre distribuições de amostras que deram resultados que eram para o estimador, em termos do parâmetro desconhecido. Por exemplo, para as distribuições de amostragem de β 0 e β 1 no modelo de regressão linear Y i = β o + β 1 X i + ε …

11 regression  self-study  bayesian  mathematical-statistics  sampling 

Estou tentando obter o prior de Jeffreys para uma distribuição binomial negativa. Não consigo ver onde errei, por isso, se alguém puder ajudar a apontar isso, isso seria apreciado. Ok, então a situação é a seguinte: devo comparar as distribuições anteriores obtidas usando um binômio e um binômio negativo, onde …

11 probability  bayesian  inference  prior 

Me deparei com esta imagem em um post aqui . Fiquei desapontado que a leitura da declaração não provocou a mesma expressão facial para mim como para esse cara. Então, o que se quer dizer com a afirmação de que a hipótese nula é como os freqüentadores expressam um prior …

11 hypothesis-testing  bayesian  frequentist  uninformative-prior 

Podemos escrever o teorema de Bayes como p(θ|x)=f(X|θ)p(θ)∫θf(X|θ)p(θ)dθp(θ|x)=f(X|θ)p(θ)∫θf(X|θ)p(θ)dθp(\theta|x) = \frac{f(X|\theta)p(\theta)}{\int_{\theta} f(X|\theta)p(\theta)d\theta} onde é o posterior, é a distribuição condicional e é o anterior.p(θ|x)p(θ|x)p(\theta|x)f(X|θ)f(X|θ)f(X|\theta)p(θ)p(θ)p(\theta) ou p(θ|x)=L(θ|x)p(θ)∫θL(θ|x)p(θ)dθp(θ|x)=L(θ|x)p(θ)∫θL(θ|x)p(θ)dθp(\theta|x) = \frac{L(\theta|x)p(\theta)}{\int_{\theta} L(\theta|x)p(\theta)d\theta} onde é o posterior, é a função de probabilidade e é o anterior.p(θ|x)p(θ|x)p(\theta|x)L(θ|x)L(θ|x)L(\theta|x)p(θ)p(θ)p(\theta) Minha pergunta é Por que a análise bayesiana é …

11 bayesian  likelihood 

Existe alguma interpretação Bayesiana, ML ou MDL de validação cruzada? Posso interpretar a validação cruzada como executando a atualização correta em um anterior especificamente criado?

11 bayesian  cross-validation  maximum-likelihood 

Foi demonstrado que a escolha do modelo ABC usando fatores Bayes não é recomendada devido à presença de um erro proveniente do uso de estatísticas resumidas. A conclusão deste artigo baseia-se no estudo do comportamento de um método popular para aproximação do fator Bayes (algoritmo 2). É sabido que os …

11 bayesian  model-selection  prediction  abc 

Enquanto lia sobre redes bayesianas, me deparei com o termo " cobertor de Markov " e fiquei muito confuso com sua independência em um gráfico de rede bayesiano. O cobertor de Markov diz brevemente que todo nó depende apenas de seus pais, filhos e pais dos filhos [é a área …

11 bayesian  bayesian-network 

Estou procurando a contrapartida bayesiana do teste t de duas amostras com variações desiguais (o teste de Welch). Também estou procurando um teste multivariado, como a estatística T de Hotelling. Referências apreciadas. Para o caso multivariado, suponha que temos e , em que (resp ) é um atalho para uma …

11 correlation  bayesian  t-test  heteroscedasticity