Perguntas com a marcação «bayesian»

Existe uma definição precisa de informações fracamente informativas? Como é diferente de um subjetivo anterior com amplo apoio?

10 bayesian  prior 

Temos N amostras, , de uma distribuição uniforme onde é desconhecida. Estime partir dos dados. [ 0 , θ ] θ θXiXiX_i[0,θ][0,θ][0,\theta]θθ\thetaθθ\theta Então, o governo de Bayes ... f(θ|Xi)=f(Xi|θ)f(θ)f(Xi)f(θ|Xi)=f(Xi|θ)f(θ)f(Xi)f(\theta | {X_i}) = \frac{f({X_i}|\theta)f(\theta)}{f({X_i})} e a probabilidade é: f(Xi|θ)=∏Ni=11θf(Xi|θ)=∏i=1N1θf({X_i}|\theta) = \prod_{i=1}^N \frac{1}{\theta} (editar: quando para todos os e 0 caso contrário …

10 bayesian  estimation  uniform  uninformative-prior 

O livro de texto primeiro gera alguns dados de 2 classes via: que dá: e então pergunta: Eu tento resolver isso primeiro modelando isso com este modelo gráfico: onde ccc é o rótulo, h(1≤h≤10)h(1≤h≤10)h\,(1\le h \le 10) é o índice da média selecionadamchmhcm_h^c , exxx é o ponto de dados. …

10 self-study  bayesian 

isso parece uma pergunta muito ingênua, mas estou tendo dificuldades para ver a resposta. Eu tenho um conjunto de 30 valores. Independentemente, obtive um 31º valor. A hipótese nula é que o 31º valor faça parte da mesma distribuição. Alternativa é que é diferente. Eu quero algum tipo de valor …

10 hypothesis-testing  bayesian  t-test 

Estou tentando ajustar um modelo de tempo discreto no R, mas não sei como fazê-lo. Eu li que você pode organizar a variável dependente em linhas diferentes, uma para cada observação no tempo, e usar a glmfunção com um link logit ou cloglog. Neste sentido, tem três colunas: ID, Event(1 …

10 r  survival  pca  sas  matlab  neural-networks  r  logistic  spatial  spatial-interaction-model  r  time-series  econometrics  var  statistical-significance  t-test  cross-validation  sample-size  r  regression  optimization  least-squares  constrained-regression  nonparametric  ordinal-data  wilcoxon-signed-rank  references  neural-networks  jags  bugs  hierarchical-bayesian  gaussian-mixture  r  regression  svm  predictive-models  libsvm  scikit-learn  probability  self-study  stata  sample-size  spss  wilcoxon-mann-whitney  survey  ordinal-data  likert  group-differences  r  regression  anova  mathematical-statistics  normal-distribution  random-generation  truncation  repeated-measures  variance  variability  distributions  random-generation  uniform  regression  r  generalized-linear-model  goodness-of-fit  data-visualization  r  time-series  arima  autoregressive  confidence-interval  r  time-series  arima  autocorrelation  seasonality  hypothesis-testing  bayesian  frequentist  uninformative-prior  correlation  matlab  cross-correlation 

O que acontece quando você não tem uma idéia da distribuição de parâmetros? Que abordagem devemos usar? Na maioria das vezes, pretendemos subestimar se uma determinada variável tem alguma influência sobre a presença / ausência de uma determinada espécie, e a variável é aceita ou não, de acordo com a …

10 r  bayesian  mcmc  bugs  winbugs 

Ao fazer estatísticas freqüentes, há uma longa lista de grandes nomes, como observar os resultados dos testes estatísticos antes de decidir coletar mais dados. Em geral, estou me perguntando se existe uma lista semelhante de não-nos para as metodologias envolvidas nas estatísticas bayesianas, e especificamente se o seguinte é uma …

10 bayesian  methodology 

Eu sou um novo usuário do WinBUGS e tenho uma pergunta para sua ajuda. Depois de executar o código a seguir, obtive parâmetros de beta0through beta4(estatísticas, densidade), mas não sei como obter a previsão do último valor de h, que defini NAcomo modelo no código. Alguém pode me dar uma …

10 bayesian  bugs  prediction  winbugs 

Este é apenas um exemplo que encontrei várias vezes, portanto não tenho dados de amostra. Executando um modelo de regressão linear em R: a.lm = lm(Y ~ x1 + x2) x1é uma variável contínua. x2é categórico e possui três valores, por exemplo, "Baixo", "Médio" e "Alto". No entanto, a saída …

10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 

Pergunta: Com uma cadeia MCMC de 10 dimensões, digamos que estou preparado para entregar uma matriz dos sorteios: 100.000 iterações (linhas) por 10 parâmetros (colunas), qual a melhor forma de identificar os modos posteriores? Estou especialmente preocupado com vários modos. Fundo:Eu me considero um estatístico computacionalmente experiente, mas quando um …

10 r  bayesian  mcmc  k-nearest-neighbour  mode 

No ano passado, tenho ouvido muito sobre estruturas de Programação Probabilística (PP), como PyMC3 e Stan , e quão bom é o PP. E hoje, alguém compartilhou este link comigo: Pyro: uma linguagem de programação probabilística profunda No entanto, eu realmente não sigo o que há de especial, pois parece …

10 bayesian  modeling  inference  software 

Considere a função de densidade posterior dada (como de costume) por com densidade anterior e distribuição do observações , condicionais no valor do parâmetro .π(θ)∏i=1nf(xi;θ),π(θ)∏i=1nf(xi;θ), \pi(\theta) \prod_{i=1}^n f(x_i;\theta),ππ\pif(⋅;θ)f(⋅;θ)f(\cdot;\theta)nnnx1,…,xnx1,…,xnx_1, \dots, x_nθθ\theta Sob certas condições, a distribuição posterior é assintoticamente normal (um resultado conhecido como teorema de Bernstein-von Mises, veja egvd Vaart, …

10 bayesian  asymptotics 

Considere o Bayesian posterior . Assintoticamente, seu máximo ocorre na estimativa MLE , que apenas maximiza a probabilidade .θ∣Xθ∣X\theta\mid Xθ^θ^\hat \thetaargminθfθ(X)argminθfθ(X)\operatorname{argmin}_\theta\, f_\theta(X) Todos esses conceitos - priores Bayesianos, maximizando a probabilidade - parecem superprincípios e nada arbitrários. Não há um log à vista. No entanto MLE minimiza a divergência KL …

9 bayesian  maximum-likelihood  kullback-leibler 

Estou trabalhando em um problema de inferência de alta dimensão (em torno de 2000 parâmetros do modelo) para o qual somos capazes de executar com precisão a estimativa de MAP encontrando o máximo global do log-posterior usando uma combinação de otimização baseada em gradiente e um algoritmo genético. Eu gostaria …

9 bayesian  uncertainty  high-dimensional  variational-bayes 

Isso pode ser um pouco de uma pergunta filosófica, mas aqui vamos nós: Na teoria da decisão, o risco de um estimador de Bayes para é definido com relação a uma distribuição anterior on .θ∈q¸qθ^( X )θ^(x)\hat\theta(x)θ ∈ Θθ∈Θ\theta\in\Thetaππ\piΘΘ\Theta Agora, por um lado, para que o verdadeiro tenha gerado os …

9 bayesian  prior  decision-theory  point-estimation