Perguntas com a marcação «likelihood»

Existe um exemplo em que dois testes defensáveis ​​diferentes com probabilidades proporcionais levariam um a inferências marcadamente diferentes (e igualmente defensáveis), por exemplo, onde os valores-p estão em ordem de grandeza distante, mas o poder de alternativas é semelhante? Todos os exemplos que vejo são muito tolos, comparando um binômio …

20 mathematical-statistics  likelihood  philosophical  likelihood-principle 

Em um comentário recentemente publicado aqui, um comentarista apontou para um blog de Larry Wasserman, que aponta (sem nenhuma fonte) que a inferência freqüentista colide com o princípio da probabilidade. O princípio da verossimilhança simplesmente diz que experimentos que produzem funções semelhantes de verossimilhança devem produzir inferência semelhante. Duas partes …

19 inference  likelihood  frequentist  likelihood-principle 

Considere um vetor de parâmetros , com θ 1 o parâmetro de interesse e θ 2 um parâmetro incômodo.( θ1, θ2)(θ1,θ2)(\theta_1, \theta_2)θ1θ1\theta_1θ2θ2\theta_2 Se é a probabilidade construída a partir dos dados x , a probabilidade de perfil para θ 1 é definido como G P ( θ 1 ; x …

19 maximum-likelihood  likelihood  profile-likelihood 

Estou lendo um artigo em que os autores estão levando de uma discussão sobre estimativa de probabilidade máxima ao Teorema de Bayes, ostensivamente como uma introdução para iniciantes. Como exemplo de probabilidade, eles começam com uma distribuição binomial: p(x|n,θ)=(nx)θx(1−θ)n−xp(x|n,θ)=(nx)θx(1-θ)n-xp(x|n,\theta) = \binom{n}{x}\theta^x(1-\theta)^{n-x} e depois registre os dois lados ℓ(θ|x,n)=xln(θ)+(n−x)ln(1−θ)ℓ(θ|x,n)=xem⁡(θ)+(n-x)em⁡(1-θ)\ell(\theta|x, n) = …

19 bayesian  likelihood  definition  philosophical 

Estou tentando entender em um nível mais profundo a onipresença da probabilidade logarítmica (e talvez mais geralmente da probabilidade logarítmica) nas estatísticas e na teoria da probabilidade. As probabilidades de log aparecem em todo o lugar: geralmente trabalhamos com a probabilidade de log para análise (por exemplo, para maximização), as …

18 probability  bayesian  likelihood  log-likelihood 

Costuma-se argumentar que a estrutura bayesiana tem uma grande vantagem na interpretação (sobre frequentista), porque calcula a probabilidade de um parâmetro dado os dados - vez de como no exemplo quadro freqüentista. Por enquanto, tudo bem.p ( x | θ )p ( θ | x )p(θ|x)p(\theta|x)p ( x | θ …

18 bayesian  interpretation  prior  likelihood  posterior 

Atualmente, tento entender o Princípio da Probabilidade e, sinceramente, não entendo nada. Então, vou escrever todas as minhas perguntas como uma lista, mesmo que sejam perguntas bem básicas. O que exatamente significa "toda a informação" no contexto deste princípio? (como em todas as informações em uma amostra estão contidas na …

17 bayesian  likelihood  likelihood-principle 

A essência da minha pergunta é esta: Seja Y∈RnY∈RnY \in \mathbb{R}^n uma variável aleatória normal multivariada com média μμ\mu e matriz de covariância ΣΣ\Sigma . Deixe- Z:=log(Y)Z:=log⁡(Y)Z := \log(Y) , ou seja, Zi=log(Yi),i∈{1,…,n}Zi=log⁡(Yi),i∈{1,…,n}Z_i = \log(Y_i), i \in \{1,\ldots,n\} . Como eu comparo o AIC de um modelo adequado às realizações …

17 data-transformation  aic  likelihood 

A computação bayesiana aproximada é uma técnica muito interessante para ajustar basicamente qualquer modelo estocástico, destinado a modelos em que a probabilidade é intratável (por exemplo, você pode fazer uma amostra do modelo se fixar os parâmetros, mas não puder calcular numericamente, algoritmicamente ou analiticamente ). Ao introduzir a computação …

16 bayesian  simulation  model  likelihood  abc 

O processo exponencial univariado de Hawkes é um processo de ponto emocionante com uma taxa de chegada de eventos de: λ(t)=μ+∑ti&lt;tαe−β(t−ti)λ(t)=μ+∑ti&lt;tαe−β(t−ti) \lambda(t) = \mu + \sum\limits_{t_i<t}{\alpha e^{-\beta(t-t_i)}} onde são os horários de chegada do evento.t1,..tnt1,..tn t_1,..t_n A função de probabilidade do log é −tnμ+αβ∑(e−β(tn−ti)−1)+∑i&lt;jln(μ+αe−β(tj−ti))−tnμ+αβ∑(e−β(tn−ti)−1)+∑i&lt;jln⁡(μ+αe−β(tj−ti)) - t_n \mu + \frac{\alpha}{\beta} \sum{( …

16 maximum-likelihood  stochastic-processes  likelihood 

Para um dado problema de inferência, sabemos que uma abordagem bayesiana geralmente difere na forma e nos resultados de uma abordagem fequentista. Os freqüentistas (geralmente me incluem) frequentemente apontam que seus métodos não requerem um prévio e, portanto, são mais "orientados a dados" do que "orientados a julgamento". Obviamente, os …

15 bayesian  inference  likelihood  likelihood-ratio  frequentist 

Qual é a opinião freqüente da história do voltímetro e suas variações? A idéia por trás disso é que uma análise estatística que apela a eventos hipotéticos teria que ser revisada se fosse descoberto mais tarde que esses eventos hipotéticos não poderiam ter ocorrido como assumido. A versão da história …

15 likelihood  frequentist 

Essa questão é suscitada pela pergunta: quando (se é que alguma vez) é uma abordagem freqüentista substancialmente melhor do que uma bayesiana? Como eu postei na minha solução para essa pergunta, na minha opinião, se você é freqüentador, não precisa acreditar / aderir ao princípio da probabilidade, pois muitas vezes …

14 bayesian  likelihood  likelihood-principle 

Eu escrevi algum código que pode fazer a filtragem Kalman (usando vários filtros do tipo Kalman [Information Filter et al.]) Para a Análise Linear Gaussiana de Espaço de Estado para um vetor de estado n-dimensional. Os filtros funcionam muito bem e estou obtendo uma saída agradável. No entanto, a estimativa …

13 maximum-likelihood  algorithms  kalman-filter  likelihood 

1. O problema Eu tenho algumas medidas de uma variável , onde , para a qual eu tenho uma distribuição obtida via MCMC, que por simplicidade assumirei ser um gaussiano de média e variância \ sigma_t ^ 2 .ytyty_tt=1,2,..,nt=1,2,..,nt=1,2,..,nfyt(yt)fyt(yt)f_{y_t}(y_t)μtμt\mu_tσ2tσt2\sigma_t^2 Eu tenho um modelo físico para essas observações, digamos g(t)g(t)g(t) , …

13 time-series  mcmc  autoregressive  likelihood