Perguntas com a marcação «wishart»

Deixe Λ∼WD(ν,Ψ)Λ∼WD(ν,Ψ)\Lambda \sim \mathcal W_D(\nu, \Psi) , isto é, distribuídas de acordo com uma D×DD×DD \times D distribuição dimensional com Wishart significativo e graus de liberdade . Gostaria de uma expressão para queé o determinante.νΨνΨ\nu \PsiE ( log | Λ | ) | Ganhe muitos |νν\nuE(log|Λ|)E(log⁡|Λ|)E(\log |\Lambda|)|Λ||Λ||\Lambda| Eu pesquisei um …

16 distributions  wishart 

Quando inferir a precisão matriz de uma distribuição normal usado para gerar vectores de D-dimensionais \ begin {align} \ mathbf {x_i} & \ sim \ mathcal {N} (\ boldsymbol {\ mu, \ Lambda ^ {- 1}}) \\ \ end {align} geralmente colocamos um Wishart antes de \ boldsymbol {\ Lambda}, …

12 bayesian  posterior  hierarchical-bayesian  conjugate-prior  wishart 

Estou lendo este artigo sobre Generalized Wishart Processes (GWP). O artigo calcula as covariâncias entre diferentes variáveis ​​aleatórias (seguindo o Processo Gaussiano ) usando a função de covariância exponencial ao quadrado, ou seja, . Diz então que essa matriz de covariância segue o GWP.K(x,x′)=exp(−|(x−x′)|22l2)K(x,x′)=exp⁡(−|(x−x′)|22l2)K(x,x') = \exp\left(-\frac{|(x-x')|^2}{2l^2}\right) Costumava pensar que uma …

11 machine-learning  normal-distribution  covariance  wishart  nonparametric-bayes 

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