Perguntas com a marcação «prior»

Surpreende-me o fato de não encontrar artigos / palestras sobre como incorporar distribuições de probabilidade de classe anterior em classificadores como Regressão logística ou Floresta aleatória. Então, minha pergunta é: Como incorporar a Distribuição de Probabilidade de Classe Anterior em Regressão Logística ou Florestas Aleatórias? A incorporação de distribuição de …

9 logistic  bayesian  random-forest  prior 

Eu estava tentando reaprender as estatísticas bayesianas (toda vez que achava que finalmente as recebia, surge outra coisa que não havia considerado antes ...), mas não estava claro (para mim) o que o processo de geração de dados na estrutura bayesiana, na verdade é. A estrutura frequentista é clara para …

9 bayesian  modeling  prior  frequentist  randomness 

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 

Na entrada da Wikipedia para o critério de informação Akaike , lemos em Comparação com BIC (critério de informação bayesiano) que ... AIC / AICc tem vantagens teóricas sobre BIC ... AIC / AICc é derivado de princípios de informação; O BIC não é ... O BIC tem um prioritário …

8 model-selection  aic  prior  information-theory  bic 

Eu li os ótimos comentários sobre como lidar com valores ausentes antes de aplicar o SVD, mas gostaria de saber como ele funciona com um exemplo simples: Movie1 Movie2 Movie3 User1 5 4 User2 2 5 5 User3 3 4 User4 1 5 User5 5 1 5 Dada a matriz …

8 r  missing-data  data-imputation  svd  sampling  matlab  mcmc  importance-sampling  predictive-models  prediction  algorithms  graphical-model  graph-theory  r  regression  regression-coefficients  r-squared  r  regression  modeling  confounding  residuals  fitting  glmm  zero-inflation  overdispersion  optimization  curve-fitting  regression  time-series  order-statistics  bayesian  prior  uninformative-prior  probability  discrete-data  kolmogorov-smirnov  r  data-visualization  histogram  dimensionality-reduction  classification  clustering  accuracy  semi-supervised  labeling  state-space-models  t-test  biostatistics  paired-comparisons  paired-data  bioinformatics  regression  logistic  multiple-regression  mixed-model  random-effects-model  neural-networks  error-propagation  numerical-integration  time-series  missing-data  data-imputation  probability  self-study  combinatorics  survival  cox-model  statistical-significance  wilcoxon-mann-whitney  hypothesis-testing  distributions  normal-distribution  variance  t-distribution  probability  simulation  random-walk  diffusion  hypothesis-testing  z-test  hypothesis-testing  data-transformation  lognormal  r  regression  agreement-statistics  classification  svm  mixed-model  non-independent  observational-study  goodness-of-fit  residuals  confirmatory-factor  neural-networks  deep-learning 

Dada a probabilidade gaussiana de uma amostra como com sendo o espaço de parâmetro e , parametrizações arbitrárias do vetor médio e da matriz de covariância.yyyp(y|θ)=N(y;μ(θ),Σ(θ))p(y|θ)=N(y;μ(θ),Σ(θ))p(y|\theta) = \mathcal{N}(y;\mu(\theta),\Sigma(\theta))ΘΘ\Thetaμ(θ)μ(θ)\mu(\theta)Σ(θ)Σ(θ)\Sigma(\theta) É possível especificar uma densidade anterior e parametrização do vetor médio e a matriz de covariância modo que a probabilidade marginal é …

8 normal-distribution  mixed-model  prior  marginal  conjugate-prior 

Atualmente, estou lendo artigos sobre PCA probabilístico e me pergunto por que o prior gaussiano (e não outro prior) é escolhido para as variáveis ​​latentes? É apenas porque é simples ou há outro motivo? Referências: Tipping & Bishop, 1999, Análise Probabilística de Componentes Principais - logo abaixo da eq. 2) …

8 normal-distribution  pca  prior  latent-variable 

Se o meu prior é modelado como uma distribuição de probabilidade contínua, digamos, uma distribuição beta distorcida para refletir meu viés em relação a determinados modelos, como posso calcular a probabilidade posterior? O desafio para mim é calcular a probabilidade de um determinado modelo, uma vez que a distribuição contínua …

8 bayesian  prior 

Priores não informativos são preferidos nos casos em que o viés não é aceitável (por exemplo, salas de audiências, etc.) No entanto, parece-me que faria sentido usar uma abordagem freqüentista. Por que a abordagem bayesiana tem um prévio não informativo? Obrigado!

8 bayesian  prior  uninformative-prior 

A função de probabilidade de uma distribuição lognormal é: f(x;μ,σ)∝∏ni11σxiexp(−(lnxi−μ)22σ2)f(x;μ,σ)∝∏i1n1σxiexp⁡(−(ln⁡xi−μ)22σ2)f(x; \mu, \sigma) \propto \prod_{i_1}^n \frac{1}{\sigma x_i} \exp \left ( - \frac{(\ln{x_i} - \mu)^2}{2 \sigma^2} \right ) e o Prior de Jeffreys é: p(μ,σ)∝1σ2p(μ,σ)∝1σ2p(\mu,\sigma) \propto \frac{1}{\sigma^2} então, combinar os dois dá: f(μ,σ2|x)=∏ni11σxiexp(−(lnxi−μ)22σ2)⋅σ−2f(μ,σ2|x)=∏i1n1σxiexp⁡(−(ln⁡xi−μ)22σ2)⋅σ−2f(\mu,\sigma^2|x)= \prod_{i_1}^n \frac{1}{\sigma x_i} \exp \left ( - \frac{(\ln{x_i} - …

8 bayesian  prior  posterior  conjugate-prior  uninformative-prior 

Na análise de dados bayesiana , capítulo 13, página 317, segundo parágrafo completo, nas aproximações modal e distributiva, Gelman et al. Escreva: Se o plano é resumir a inferência pelo modo posterior de [o parâmetro de correlação em uma distribuição normal bivariada], substituiríamos a distribuição anterior U (-1,1) por , …

8 bayesian  prior  posterior  mode 

Eu tenho duas perguntas, Pergunta 1: Como posso mostrar que a distribuição posterior é uma distribuição beta se a probabilidade é binomial e a anterior é beta Pergunta 2: Como as escolhas dos parâmetros anteriores afetam a posterior? Eles não deveriam ser todos iguais? É possível responder a essas perguntas …

8 r  self-study  bayesian  prior  posterior 

Estou trabalhando em um modelo que conta com uma função parametrizada feia que atua como uma função de calibração em uma parte do modelo. Usando uma configuração bayesiana, preciso obter informações preliminares não informativas para os parâmetros que descrevem minha função. Eu sei que, idealmente, devo derivar referência ou pelo …

8 bayesian  inference  prior  uninformative-prior 

Dado que a estimativa posterior de de uma probabilidade normal e uma gama inversa anterior a é:σ′2σ′2\sigma'^{2}σ2σ2\sigma^2 σ′2∼IG(α+n2,β+∑ni=1(yi−μ)22)σ′2∼IG(α+n2,β+∑i=1n(yi−μ)22)\sigma'^{2}\sim\textrm{IG}\left(\alpha + \frac{n}{2}, \beta +\frac{\sum_{i=1}^n{(y_i-\mu)^2}}{2}\right) que é equivalente a σ′2∼IG(n2,nσ22)σ′2∼IG(n2,nσ22)\sigma'^{2}\sim\textrm{IG}\left( \frac{n}{2}, \frac{n\sigma^2}{2}\right) uma vez que um fraco anterior em remove e do eqn 1:IG(α,β)IG(α,β)\textrm{IG}(\alpha, \beta)σ2σ2\sigma^2αα\alphaββ\beta σ′2∼IG(n2,∑ni=1(yi−μ)22)σ′2∼IG(n2,∑i=1n(yi−μ)22)\sigma'^{2}\sim\textrm{IG}\left( \frac{n}{2}, \frac{\sum_{i=1}^n{(y_i-\mu)^2}}{2}\right) É aparente que a estimativa …

8 bayesian  prior  conjugate-prior 

Como concluo o quadrado a partir do ponto em que parei e isso está correto até agora? Eu tenho um normal anterior para da forma p ( β | σ 2 ) ∼ N ( 0 , σ 2 V ) , para obter:ββ\betap ( β| σ2) ∼ N( 0 …

8 bayesian  normal-distribution  prior  likelihood