Perguntas com a marcação «bayesian»

Para ilustrar o que quero dizer, considere o seguinte cenário hipotético: O número favorito de uma pessoa x ∈ [ - 1 , 1 ]x∈[−1,1]x\in[-1,1] é distribuído aleatoriamente com função de densidade sem átomos f( X )f(x)f(x). Além disso, suponha que essa pessoa (depois de perceber qual o seu número …

7 probability  bayesian  measure-theory 

Em suas postagens no blog, Andrew Gelman diz que não é fã de testes de hipóteses bayesianas (veja aqui: http://andrewgelman.com/2009/02/26/why_i_dont_like/ ) e, se não estou me lembrando, acho que ele também diz que o teste de hipóteses freqüentista também tem deficiências. Minha pergunta é: você pode fazer estatísticas sem teste …

7 hypothesis-testing  bayesian  frequentist 

Há algo que está me confundindo sobre estimadores de probabilidade máxima. Suponha que eu tenha alguns dados e a probabilidade sob um parâmetro sejaμμ\mu L ( D | μ ) =e- ( 0,7 - μ)2L(D|μ)=e−(.7−μ)2 L(D|\mu) = e^{-(.7-\mu)^2} que é reconhecível como a probabilidade de aumento gaussiano de escala. Agora, …

7 bayesian  maximum-likelihood  frequentist 

Sou estudante de estatística. Estou tentando entender as definições clássicas e objetivas de probabilidade e como elas estão relacionadas à inferência freqüentista e bayesiana. Não é óbvio para mim por que a probabilidade clássica é combinada com a inferência freqüentista e por que a inferência bayesiana é combinada com a …

7 probability  bayesian  p-value  likelihood  frequentist 

Em muitos livros didáticos, quando um modelo bayesiano é apresentado, como um modelo normal-normal clássico, há algum tipo de breve menção de que os ensaios devem ser intercambiáveis. Pergunto-me por que isso é necessário e o que dá errado se a permutabilidade não é válida. Alguém tem respostas concisas?

7 bayesian  modeling  intuition  exchangeability 

Eu tenho seis anos em uma função de negócios e tenho um bacharelado em física e matemática aplicada / estatísticas. "The Big Picture", de Sean Carroll (físico da Caltech) me abriu a idéia de que as estatísticas bayesianas são uma maneira útil de pensar em qualquer coisa - inevitavelmente você …

7 bayesian 

Um estimador de Bayes é aquele que minimiza o risco de Bayes. Especificamente, se e somente se δΛ=argminBR(Λ,δ):=∫R(θ,δ)dΛ(θ)=∫(∫L(θ,δ(x))dx)dΛ(θ)δΛ=arg⁡minBR⁡(Λ,δ):=∫R(θ,δ)dΛ(θ)=∫(∫L(θ,δ(x))dx)dΛ(θ)\delta_{\Lambda} = \arg\min \operatorname{BR}(\Lambda,\delta) := \int R(\theta, \delta) d \Lambda(\theta) = \int \left( \int L(\theta, \delta(x))dx \right) d \Lambda(\theta) onde L(θ,δ(X))L(θ,δ(X))L(\theta, \delta(X)) é uma função de perda dada, R(θ,δ)R(θ,δ)R(\theta, \delta) é a função …

7 bayesian  loss-functions 

Atualmente, estou estudando "Processos Gaussianos para Aprendizado de Máquina" e, no capítulo 3, eles afirmam que o posteriorp(y∗|X,y,x∗)p(y∗|X,y,x∗)p(y_*|X,\mathbf{y},\mathbf{x}_*) (eq. 3.10) e a variável latente posterior p(f∗|X,y,x∗)p(f∗|X,y,x∗)p(f_*|X,\mathbf{y},\mathbf{x}_*)(eq. 3.9) geralmente não pode ser resolvido analiticamente, devido às probabilidades sigmóides em (3.9) e à função sigmóide em (3.10). Para evitar que as pessoas …

7 machine-learning  classification  bayesian  gaussian-process 

Segundo Karl Popper, apenas hipóteses falsificáveis ​​são verdadeiramente científicas (citando a Wikipedia ): nenhum número de resultados positivos no nível dos testes experimentais pode confirmar uma teoria científica, mas um único contra-exemplo é logicamente decisivo: mostra que a teoria, da qual a implicação é derivada, é falsa. De acordo com …

7 hypothesis-testing  bayesian  frequentist 

Sabemos confidence intervalque não pode ser usado para declaração de probabilidade, isso é algo reservado credible interval. No entanto, as técnicas freqüentistas mais comumente usadas (por exemplo, intervalos de confiança para médias e proporções) são equivalentes a intervalos credíveis bayesianos para alguns anteriores específicos. Um exemplo comum é o plano …

7 bayesian  frequentist 

Isso não está diretamente relacionado à minha outra pergunta , embora o tópico seja o mesmo. Também é provavelmente uma pergunta muito trivial, mas tenha paciência :) Eu estava discutindo com um colega sobre o uso da regressão de processo gaussiana, e ele fez duas afirmações com as quais não …

7 regression  bayesian  gaussian-process 

Eu tenho uma pergunta sobre a atualização bayesiana. Em geral, a atualização bayesiana refere-se ao processo de obter o posterior de uma distribuição anterior de crenças. Alternativamente, pode-se entender o termo usando a parte posterior do primeiro passo como entrada anterior para cálculos adicionais. A seguir, é apresentado um exemplo …

7 bayesian 

Considere um conjunto de dados de treinamento XXX, um modelo probabilístico parametrizado por θθ\thetae uma prévia P( θ )P(θ)P(\theta). Para um novo ponto de dadosx∗x∗x^*, podemos calcular P(x∗)P(x∗)P(x^*) usando: uma abordagem totalmente bayesiana: a distribuição preditiva posterior P(x∗| X) = ∫P( θ | X) P(x∗| θ)dθP(x∗|X)=∫P(θ|X)P(x∗|θ)dθP(x^* | X) = \int …

7 bayesian  maximum-likelihood  posterior 

Quais são as alternativas de última geração aos Processos Gaussianos (GP) para regressão não-linear não paramétrica com incerteza de previsão, quando o tamanho do conjunto de treinamento começa a se tornar proibitivo para os GPs de baunilha, mas ainda não é muito grande? Os detalhes do meu problema são: o …

7 regression  machine-learning  bayesian  nonparametric  gaussian-process 

Na página 146 da Análise Bayesiana de Dados de Gelman, Gelman discute o valor p Bayesiano como uma maneira de verificar o ajuste do modelo. A idéia é comparar os dados observados ( ) com os dados que poderiam ter sido gerados pelo modelo se replicarmos o experimento ( ).yyyyr …

7 bayesian  p-value  goodness-of-fit