Statystyki i duże zbiory danych bayesian

2

Jaki byłby przykład naprawdę prostego modelu o niewiarygodnym prawdopodobieństwie?

Przybliżone obliczenia bayesowskie to naprawdę fajna technika dopasowania w zasadzie dowolnego modelu stochastycznego, przeznaczona dla modeli, w których prawdopodobieństwo jest trudne (powiedzmy, możesz próbkować z modelu, jeśli naprawisz parametry, ale nie możesz obliczyć prawdopodobieństwa numerycznie, algorytmicznie lub analitycznie ). Wprowadzając publiczność w przybliżeniu obliczenia bayesowskie (ABC), dobrze jest użyć przykładowego …

16 bayesian simulation model likelihood abc

2

Bayesowskie oszacowanie

To pytanie jest techniczną kontynuacją tego pytania . Mam problem ze zrozumieniem i replikacją modelu przedstawionego w Raftery (1988): Wnioskowanie o dwumianowym parametrze : hierarchiczne podejście BayesaNN.N w WinBUGS / OpenBUGS / JAGS. Nie chodzi tylko o kod, więc powinien być tutaj na temat. tło Niech będzie zbiorem liczb sukcesów …

16 bayesian binomial hierarchical-bayesian winbugs

2

Jakie wcześniejsze rozkłady mogłyby / powinny być zastosowane dla wariancji w hierarchicznym modelu bayezjańskim, gdy interesująca jest średnia wariancja?

W szeroko cytowanym artykule Wcześniejsze rozkłady parametrów wariancji w modelach hierarchicznych (916 cytowanie do tej pory na Google Scholar) Gelman sugeruje, że dobre wcześniejsze nieinformacyjne wcześniejsze rozkłady dla wariancji w hierarchicznym modelu bayesowskim to rozkład równomierny i rozkład połowy t. Jeśli dobrze rozumiem, działa to dobrze, gdy parametr lokalizacji (np. …

16 bayesian variance prior jags hierarchical-bayesian

2

Co to jest struktura R struktura G w glmm?

MCMCglmmOstatnio korzystam z pakietu. Jestem zdezorientowany tym, co w dokumentacji nazywane jest strukturą R i strukturą G. Wydaje się, że odnoszą się one do efektów losowych - w szczególności określają parametry wcześniejszego rozkładu na nich, ale dyskusja w dokumentacji wydaje się zakładać, że czytelnik wie, jakie są te warunki. Na …

16 r bayesian mixed-model lme4-nlme

2

Naciśnij i uruchom MCMC

Próbuję wdrożyć algorytm MCMC, ale mam trochę problemów ze zrozumieniem, jak sobie z tym poradzić. Ogólna idea jest następująca: Aby wygenerować skok propozycji w MH, my: Wygeneruj kierunek z rozkładu na powierzchni kuli jednostkowej OdddOO\mathcal{O} Wygeneruj podpisaną odległość wzdłuż ograniczonej przestrzeni.λλ\lambda Nie mam jednak pojęcia, jak powinienem zaimplementować to w …

16 r bayesian mcmc

1

Jakiej metody wielokrotnego porównania użyć w modelu Lmer: lsmeans czy glht?

Analizuję zestaw danych przy użyciu modelu efektów mieszanych z jednym ustalonym efektem (warunkiem) i dwoma efektami losowymi (uczestnik ze względu na projekt i parę wewnątrz przedmiotu). Model ten został wygenerowany z lme4pakietu: exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp). Następnie wykonałem test współczynnika wiarygodności tego modelu względem modelu bez ustalonego efektu (warunku) i mam znaczącą różnicę. …

16 r repeated-measures multiple-comparisons post-hoc lsmeans bayesian posterior marginal integral anova time-series regularization machine-learning pca computational-statistics references inference regression cross-validation python random-forest chi-squared spearman-rho r machine-learning confidence-interval bagging clustering feature-selection model-selection bic hypothesis-testing kurtosis r regression residuals terminology

5

Dlaczego ?

15 probability bayesian

2

Czy jesteśmy często odwiedzającymi domniemanymi / nieświadomymi Bayesianami?

W przypadku danego problemu wnioskowania wiemy, że podejście bayesowskie zwykle różni się zarówno pod względem formy, jak i wynika z podejścia fequentystycznego. Częstokroć (zwykle obejmuje mnie) często zwraca uwagę, że ich metody nie wymagają uprzedniego, a zatem są bardziej „oparte na danych” niż „oparte na ocenie”. Oczywiście Bayesian może wskazywać …

15 bayesian inference likelihood likelihood-ratio frequentist

2

Czym ABC i MCMC różnią się w swoich aplikacjach?

O ile mi wiadomo, przybliżone obliczenia bayesowskie (ABC) i łańcuch Markowa Monte Carlo (MCMC) mają bardzo podobne cele. Poniżej opisuję moje rozumienie tych metod oraz sposób, w jaki postrzegam różnice w ich zastosowaniu do rzeczywistych danych. Przybliżone obliczenia bayesowskie ABC polega na pobraniu próbek parametru θθ\theta z poprzedniego poprzez symulację …

15 bayesian mcmc computational-statistics

2

Próbkowanie z niewłaściwej dystrybucji (przy użyciu MCMC i innych)

Moje podstawowe pytanie brzmi: w jaki sposób próbowałbyś z niewłaściwej dystrybucji? Czy sens ma nawet próbkowanie z niewłaściwej dystrybucji? Komentarz Xi'ana tutaj w pewnym sensie odpowiada na pytanie, ale szukałem więcej szczegółów na ten temat. Bardziej specyficzne dla MCMC: Mówiąc o MCMC i czytając artykuły, autorzy podkreślają, że uzyskali prawidłowe …

15 distributions bayesian mcmc markov-process improper-prior

2

Prognozy z modelu BSTS (w R) zawodzą całkowicie

Po przeczytaniu tego postu na blogu o Bayesowskich modelach strukturalnych szeregów czasowych, chciałem spojrzeć na wdrożenie tego w kontekście problemu, w którym wcześniej korzystałem z ARIMA. Mam pewne dane z niektórymi znanymi (ale hałaśliwymi) komponentami sezonowymi - z pewnością są to komponenty roczne, miesięczne i tygodniowe, a także pewne efekty …

15 r time-series bayesian mcmc bsts

2

Dlaczego rozkład tylny w Wnioskowaniu Bayesowskim jest często trudny do zniesienia?

Mam problem ze zrozumieniem, dlaczego wnioskowanie bayesowskie prowadzi do trudnych problemów. Problem jest często wyjaśniany w następujący sposób: Nie rozumiem, dlaczego ta całka musi być oceniona w pierwszej kolejności: Wydaje mi się, że wynikiem całki jest po prostu stała normalizacyjna (jak podano zestaw danych D). Dlaczego nie można po prostu …

15 bayesian inference

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

Jak odpowiedzieć recenzentom proszącym o wartości pw bayesowskim modelu wielopoziomowym?

Recenzent poprosił nas o podanie wartości p, aby lepiej zrozumieć szacunki modelu w naszym bayesowskim modelu wielopoziomowym. Model jest typowym modelem wielu obserwacji na uczestnika eksperymentu. Oszacowaliśmy model ze Stanem, dzięki czemu możemy łatwo obliczyć dodatkowe statystyki z tyłu. Obecnie raportujemy (wizualnie i w tabelach) średnią wartość szacunkową oraz kwantyle …

15 bayesian p-value multilevel-analysis

2

Regresja grzbietowa - interpretacja bayesowska

Słyszałem, że regresję grzbietu można wyprowadzić jako średnią rozkładu z tyłu, jeśli uprzednio zostanie odpowiednio wybrany. Czy intuicja, że ograniczenia określone przez współczynniki regresji przez wcześniejsze (np. Standardowe rozkłady normalne około 0) są identyczne / zastępuje karę ustawioną na kwadrat wielkości współczynników? Czy przeor musi mieć charakter gaussowski, aby zachować …

15 bayesian prior ridge-regression

Pytania otagowane jako bayesian