Perguntas com a marcação «stan»

Vou explicar meu problema com um exemplo. Suponha que você queira prever a renda de um indivíduo, com alguns atributos: {Idade, Sexo, País, Região, Cidade}. Você tem um conjunto de dados de treinamento como esse train <- data.frame(CountryID=c(1,1,1,1, 2,2,2,2, 3,3,3,3), RegionID=c(1,1,1,2, 3,3,4,4, 5,5,5,5), CityID=c(1,1,2,3, 4,5,6,6, 7,7,7,8), Age=c(23,48,62,63, 25,41,45,19, 37,41,31,50), Gender=factor(c("M","F","M","F", …

29 regression  machine-learning  multilevel-analysis  correlation  dataset  spatial  paired-comparisons  cross-correlation  clustering  aic  bic  dependent-variable  k-means  mean  standard-error  measurement-error  errors-in-variables  regression  multiple-regression  pca  linear-model  dimensionality-reduction  machine-learning  neural-networks  deep-learning  conv-neural-network  computer-vision  clustering  spss  r  weighted-data  wilcoxon-signed-rank  bayesian  hierarchical-bayesian  bugs  stan  distributions  categorical-data  variance  ecology  r  survival  regression  r-squared  descriptive-statistics  cross-section  maximum-likelihood  factor-analysis  likert  r  multiple-imputation  propensity-scores  distributions  t-test  logit  probit  z-test  confidence-interval  poisson-distribution  deep-learning  conv-neural-network  residual-networks  r  survey  wilcoxon-mann-whitney  ranking  kruskal-wallis  bias  loss-functions  frequentist  decision-theory  risk  machine-learning  distributions  normal-distribution  multivariate-analysis  inference  dataset  factor-analysis  survey  multilevel-analysis  clinical-trials 

Com os pacotes Stan e frontend, rstanarmou brmsposso analisar facilmente os dados da maneira bayesiana, como fiz antes com modelos mistos como lme. Embora eu tenha a maioria dos livros e artigos de Kruschke-Gelman-Wagenmakers-etc em minha mesa, eles não me dizem como resumir os resultados para uma audiência médica, divididos …

21 statistical-significance  bayesian  stan  credible-interval  medicine 

Eu estava revisando a documentação do Stan, que pode ser baixada aqui . Eu estava particularmente interessado na implementação do diagnóstico Gelman-Rubin. O artigo original Gelman & Rubin (1992) define o potencial fator de redução de escala (PSRF) da seguinte maneira: Deixe que Xi,1,…,Xi,NXi,1,…,Xi,NX_{i,1}, \dots , X_{i,N} ser o iii …

16 mcmc  convergence  gibbs  metropolis-hastings  stan 

Eu apenas comecei a aprender a usar Stan e rstan. A menos que eu sempre tenha ficado confuso sobre como o JAGS / BUGS funcionou, pensei que você sempre tivesse que definir uma distribuição anterior de algum tipo para cada parâmetro no modelo a ser extraído. Parece que você não …

14 mcmc  prior  jags  graphical-model  stan 

Eu apenas comecei a construir modelos em stan ; para familiarizar-me com a ferramenta, estou trabalhando em alguns dos exercícios em Análise Bayesiana de Dados (2ª ed.). O exercício Waterbuck supõe que os dados , com ( N , θ ) desconhecido. Como o Hamiltoniano Monte Carlo não permite parâmetros …

13 bayesian  mcmc  discrete-data  stan 

Em sua página wiki , os desenvolvedores do estado de Stan: Alguns princípios que não gostamos: invariância, Jeffreys, entropia Em vez disso, vejo muitas recomendações de distribuição normal. Até agora, usei métodos bayesianos que não dependiam de amostragem e fiquei feliz por ter entendido por que foi uma boa opção …

11 bayesian  mcmc  prior  pymc  stan 

Estou tentando construir um modelo em que a resposta seja proporcional (na verdade, é a parcela de votos que um partido obtém nos círculos eleitorais). Sua distribuição não é normal, então decidi modelá-la com uma distribuição beta. Eu também tenho vários preditores. No entanto, não sei como escrevê-lo em BUGS …

10 bayesian  jags  bugs  beta-regression  stan 

Tentei executar um modelo Stan sem dados para obter gráficos para as distribuições anteriores. No entanto, isso não parece ser possível, recebo uma mensagem de erro sobre o meu modelo que não contém amostras. Então, existe uma maneira de obter as distribuições anteriores? Talvez seja possível executar o Stan sem …

10 prior  stan 

Stan (em particular, rstan) possui instalações integradas para gerar distribuições posteriores preditivas? Não é difícil gerar a distribuição do padrão, mas prefiro não reinventar a roda.

9 bayesian  posterior  stan 

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 

Estou tentando estimar se existem diferenças em como indivíduos em cidades diferentes (minha variável de agrupamento) respondem a algumas variáveis ​​preditoras. Então, na prática, estou interessado em aprender sobre oββ\betas de cada cidade. Mas quero usar inclinações aleatórias para que essas estimativas sejam "reduzidas" em relação a alguma média de …

7 mixed-model  lme4-nlme  stan 

Recentemente me deparei com Processos Gaussianos em Gelman et al. (2013), e estou tentando aprender mais sobre seu potencial aplicativo para uso na imputação de dados de séries temporais. Os dados de interesse são uma única série temporal variável da freqüência cardíaca de um indivíduo coletada usando um fotopletismograma (PPG; …

7 time-series  gaussian-process  data-imputation  stan