Perguntas com a marcação «hierarchical-bayesian»

Sou relativamente novo em estatísticas bayesianas e tenho usado recentemente o JAGS para criar modelos bayesianos hierárquicos em diferentes conjuntos de dados. Embora eu esteja muito satisfeito com os resultados (comparado aos modelos padrão de GLM), preciso explicar aos não estatísticos qual é a diferença com os modelos estatísticos padrão. …

10 bayesian  hierarchical-bayesian 

Vou tentar descrever o problema em questão o mais geral possível. Estou modelando observações como uma distribuição categórica com um vetor de probabilidade de parâmetro teta. Então, assumo que o vetor de parâmetro theta segue uma distribuição anterior do Dirichlet com os parâmetros .α1 1, α2, … , Αkα1,α2,…,αk\alpha_1,\alpha_2,\ldots,\alpha_k É …

10 categorical-data  multinomial  dirichlet-distribution  hierarchical-bayesian  dirichlet-process 

Acabei de (re) ler Por que de Gelman (geralmente) não precisamos nos preocupar com múltiplas comparações . Em particular, a seção "Múltiplos resultados e outros desafios" menciona o uso de um modelo hierárquico para situações em que existem várias medidas relacionadas da mesma pessoa / unidade em diferentes momentos / …

10 multiple-comparisons  multilevel-analysis  lme4-nlme  jags  hierarchical-bayesian 

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 

Considere a perda quadrática , com o dado previamente que . Seja a probabilidade. Encontre o estimador de Bayes .L(θ,δ)=(θ−δ)2L(θ,δ)=(θ−δ)2L(\theta,\delta)=(\theta-\delta)^2π(θ)π(θ)\pi(\theta)π(θ)∼U(0,1/2)π(θ)∼U(0,1/2)\pi(\theta)\sim U(0,1/2)f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|\theta)=\theta x^{\theta-1}\mathbb{I}_{[0,1]}(x), \theta>0δπδπ\delta^\pi Considere a perda quadrática ponderada que com anterior . Seja seja a probabilidade. Encontre o estimador de Bayes .Lw(θ,δ)=w(θ)(θ−δ)2Lw(θ,δ)=w(θ)(θ−δ)2L_w(\theta,\delta)=w(\theta)(\theta-\delta)^2w(θ)=I(−∞,1/2)w(θ)=I(−∞,1/2)w(\theta)=\mathbb{I}_{(-\infty,1/2)}π1(θ)=I[0,1](θ)π1(θ)=I[0,1](θ)\pi_1(\theta)=\mathbb{I}_{[0,1]}(\theta)f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|\theta)=\theta x^{\theta-1}\mathbb{I}_{[0,1]}(x), \theta>0δπ1δ1π\delta^\pi_1 Compare eδπδπ\delta^\piδπ1δ1π\delta^\pi_1 Primeiro, notei que , …

9 self-study  bayesian  estimation  hierarchical-bayesian  loss-functions 

Estou estimando várias matrizes de covariância inversa de um conjunto de medidas em diferentes subpopulações usando um wishart anterior em jags / rjags / R. Em vez de especificar uma matriz de escala e graus de liberdade na matriz de covariância inversa anterior (a distribuição wishart), eu gostaria de usar …

9 bayesian  covariance  prior  wishart  hierarchical-bayesian 

Pretendo estimar um GLM hierárquico, mas com a seleção de recursos para determinar quais covariáveis ​​são relevantes no nível da população a serem incluídas. Suponha que eu tenha grupos com observações e possíveis covariáveis ​​Ou seja, possuo uma matriz de design de covariáveis \ boldsymbol {x} _ {(N \ cdot …

8 machine-learning  bayesian  feature-selection  hierarchical-bayesian  shrinkage 

Eu tenho uma pergunta sobre a mistura de conjugados anteriores. Aprendi e digo a mistura de conjugados anteriores algumas vezes quando estou aprendendo bayesiano. Estou me perguntando por que esse teorema é tão importante, como vamos aplicá-lo quando estivermos fazendo uma análise bayesiana. Para ser mais específico, um teorema de …

8 bayesian  conditional-probability  hierarchical-bayesian  conjugate-prior  exponential-family 

Eu tenho um modelo para obter estimativas bayesianas do tamanho da população e probabilidade de detecção em uma distribuição binomial baseada apenas no número observado de objetos observados : para . Por simplicidade, assumimos que N é fixado no mesmo valor desconhecido para cada y_i . Neste exemplo, y = …

8 bayesian  mcmc  hierarchical-bayesian  stan 

Como parte da reprodução de um modelo que descrevi parcialmente nesta questão no Stack Overflow, quero obter um gráfico de uma distribuição posterior. O modelo (espacial) descreve o preço de venda de algumas propriedades como uma distribuição de Bernoulli, dependendo de a propriedade ser cara (1) ou barata (0). Nas …

8 prediction  spatial  posterior  hierarchical-bayesian  pymc 

O livro de Kevin Murphy discute um problema bayesiano hierárquico clássico (originalmente discutido em Johnson and Albert, 1999, p24): Suponha que estamos tentando estimar a taxa de câncer em cidades. Em cada cidade, amostramos um número de indivíduos e medimos o número de pessoas com câncer , onde é a …

8 bayesian  hierarchical-bayesian  pymc  probabilistic-programming 

Em uma implementação do MCMC de modelos hierárquicos, com efeitos aleatórios normais e um Wishart anterior para sua matriz de covariância, a amostragem de Gibbs é normalmente usada. No entanto, se alterarmos a distribuição dos efeitos aleatórios (por exemplo, para Student-t ou outro), a conjugação será perdida. Nesse caso, qual …

8 mcmc  hierarchical-bayesian  metropolis-hastings 

Por que hierárquico? : Tentei pesquisar esse problema e, pelo que entendi, esse é um problema "hierárquico", porque você está fazendo observações sobre observações de uma população, em vez de fazer observações diretas dessa população. Referência: http://www.econ.umn.edu/~bajari/iosp07/rossi1.pdf Por que bayesiano? : Também o marquei como bayesiano porque uma solução assintótica …

8 bayesian  mcmc  jags  hierarchical-bayesian  pymc 

Digamos que eu tenha um experimento em que teste o tempo de reação de vários indivíduos em que cada indivíduo faz muitos testes de tempo de reação. Em uma estrutura bayesiana, os tempos de reação ( ) podem ser modelados por um modelo hierárquico com distribuição prévia, tanto no nível …

8 bayesian  jags  psychology  hierarchical-bayesian