Pytania otagowane jako bayes

Łączenie prawdopodobieństw z twierdzeniem Bayesa, zwłaszcza w przypadku wnioskowania warunkowego.

12
Kim są Bayesianie?
Gdy interesują się statystyki, dychotomia „Frequentist” vs. „Bayesian” wkrótce staje się powszechna (a kto zresztą nie przeczytał Sygnału i hałasu Nate'a Silvera ?). W rozmowach i kursach wprowadzających punkt widzenia jest przeważnie częsty ( wartości MLE , ), ale zwykle ułamek czasu poświęca się na podziwianie formuły Bayesa i dotyka …

3
R: Losowy las wyrzucający NaN / Inf w błędzie „wywołanie funkcji zagranicznej” pomimo braku NaN w zbiorze danych [zamknięte]
Zamknięte. To pytanie jest nie na temat . Obecnie nie przyjmuje odpowiedzi. Chcesz poprawić to pytanie? Zaktualizuj pytanie, aby było tematem dotyczącym weryfikacji krzyżowej. Zamknięte 2 lata temu . Używam karetki, aby uruchomić sprawdzony krzyżowo losowy las w zbiorze danych. Zmienna Y jest czynnikiem. W moim zestawie danych nie ma …

3
Dlaczego w twierdzeniu Bayesa wymagany jest czynnik normalizujący?
Twierdzenie Bayesa idzie P.( model | dane ) = P( model ) × P( dane | model )P.( dane )P.(Model|dane)=P.(Model)×P.(dane|Model)P.(dane) P(\textrm{model}|\textrm{data}) = \frac{P(\textrm{model}) \times P(\textrm{data}|\textrm{model})}{P(\textrm{data})} Wszystko w porządku. Ale gdzieś przeczytałem: Zasadniczo P (dane) jest tylko stałą normalizującą, tj. Stałą, która powoduje zintegrowanie gęstości tylnej z jedną. Wiemy, że i …


7
Co zrobiłeś / zrobiłeś, aby zapamiętać zasadę Bayesa?
Myślę, że dobrym sposobem na zapamiętanie formuły jest pomyślenie o formule w ten sposób: Prawdopodobieństwo, że pewne zdarzenie A ma określony wynik, biorąc pod uwagę wynik niezależnego zdarzenia B = prawdopodobieństwo, że oba wyniki wystąpią jednocześnie / cokolwiek byśmy powiedzieli, prawdopodobieństwo pożądanego wyniku zdarzenia A byłoby, gdybyśmy nie znali wyniku …
15 bayesian  bayes 

1
Twierdzenie Bayesa z wieloma warunkami
Nie rozumiem, jak wyprowadzono to równanie. P(I|M1∩M2)≤P(I)P(I′)⋅P(M1|I)P(M2|I)P(M1|I′)P(M2|I′)P(I|M1∩M2)≤P(I)P(I′)⋅P(M1|I)P(M2|I)P(M1|I′)P(M2|I′)P(I|M_{1}\cap M_{2}) \leq \frac{P(I)}{P(I')}\cdot \frac{P(M_{1}|I)P(M_{2}|I)}{P(M_{1}|I')P(M_{2}|I')} To równanie pochodzi z pracy „Trial by Probability”, gdzie przypadek OJ Simpsona podano jako przykładowy problem. Oskarżony jest sądzony za podwójne zabójstwo i przedstawiono mu dwa dowody. M1M1M_{1} to zdarzenie, w którym krew pozwanego odpowiada kropli krwi znalezionej na …


2
Dlaczego twierdzenie Thomasa Bayesa było tak trudne?
To jest raczej pytanie o historię nauki, ale mam nadzieję, że jest to temat na ten temat. Czytałem, że Thomasowi Bayesowi udało się odkryć twierdzenie Bayesa dotyczące szczególnego przypadku przeora mundurowego, a nawet wtedy najwyraźniej miał z tym problem. Biorąc pod uwagę, jak banalne jest ogólne twierdzenie Bayesa w nowoczesnym …

2
Dlaczego klasyfikator Bayesa jest idealnym klasyfikatorem?
Jest uważany za idealny przypadek, w którym struktura prawdopodobieństwa leżąca u podstaw kategorii jest doskonale znana. Dlaczego dzięki klasyfikatorowi Bayes osiągamy najlepszą wydajność, jaką można osiągnąć? Jaki jest na to formalny dowód / wyjaśnienie? Jak zawsze używamy klasyfikatora Bayesa jako punktu odniesienia do porównywania wydajności wszystkich innych klasyfikatorów.

2
Co to jest „Prior Information Unit”?
Czytałem Wagenmakers (2007) Praktyczne rozwiązanie wszechobecnego problemu wartości p . Intryguje mnie konwersja wartości BIC na czynniki i prawdopodobieństwa Bayesa. Jednak do tej pory nie rozumiem, czym dokładnie jest informacja o jednostce wcześniej . Byłbym wdzięczny za wyjaśnienia ze zdjęciami lub kod R do generowania zdjęć tego konkretnego przeora.

5
Interpretacja twierdzenia Bayesa zastosowana do pozytywnych wyników mammografii
Próbuję owinąć głowę wokół wyniku twierdzenia Bayesa zastosowanego do klasycznego przykładu mammograficznego, przy czym obrót mamogramu jest idealny. To jest, Częstość występowania raka:.01.01.01 Prawdopodobieństwo pozytywnego mammografii, biorąc pod uwagę, że pacjent ma raka:111 Prawdopodobieństwo pozytywnego mammografii, biorąc pod uwagę, że pacjent nie ma raka:.01.01.01 Przez Bayes: P (rak | mammogram …

1
Jaka jest różnica między prawdopodobieństwem a logiką rozmytą?
Od lat pracuję z logiką rozmytą (FL) i wiem, że istnieją różnice między FL a prawdopodobieństwem, szczególnie dotyczące sposobu radzenia sobie z niepewnością. Chciałbym jednak zapytać, jakie różnice istnieją między FL a prawdopodobieństwem? Innymi słowy, jeśli mam do czynienia z prawdopodobieństwami (łączenie informacji, agregowanie wiedzy), czy mogę zrobić to samo …
10 bayes  fuzzy 

1
Aktualizacja współczynnika Bayesa
Wartością współczynnika Bayesa jest zdefiniowana w Bayesa testowanie hipotez i wybór modelu Bayesowskiego przez stosunek dwóch krańcowych wiarogodności: podany Próbkę IID i odpowiednich gęstości próbkowania i , z odpowiednimi priorytetami i , współczynnikiem Bayesa do porównania dwóch modeli jest książka ja obecnie przeglądu ma dziwne stwierdzenie, że powyższy czynnik Bayesa(x1,…,xn)(x1,…,xn)(x_1,\ldots,x_n)f1(x|θ)f1(x|θ)f_1(x|\theta)f2(x|η)f2(x|η)f_2(x|\eta)π1π1\pi_1π2π2\pi_2B12(x1,…,xn)=defm1(x1,…,xn)m2(x1,…,xn)=def∫∏ni=1f1(xi|θ)π1(dθ)∫∏ni=1f2(xi|η)π2(dη)B12(x1,…,xn)=defm1(x1,…,xn)m2(x1,…,xn)=def∫∏i=1nf1(xi|θ)π1(dθ)∫∏i=1nf2(xi|η)π2(dη)\mathfrak{B}_{12}(x_1,\ldots,x_n)\stackrel{\text{def}}{=}\frac{m_1(x_1,\ldots,x_n)}{m_2(x_1,\ldots,x_n)}\stackrel{\text{def}}{=}\frac{\int …


3
Dlaczego Twierdzenie Bayesa działa graficznie?
Z matematycznego punktu widzenia Twierdzenie Bayesa ma dla mnie idealny sens (tj. Wyprowadzanie i dowodzenie), ale nie wiem, czy istnieje ładny argument geometryczny lub graficzny, który można wykazać, aby wyjaśnić Twierdzenie Bayesa. Próbowałem Googlinga w poszukiwaniu odpowiedzi na to pytanie i, co zaskakujące, nie znalazłem nic na ten temat.

Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.