Pytania otagowane jako bayesian

Wnioskowanie bayesowskie jest metodą wnioskowania statystycznego, która polega na traktowaniu parametrów modelu jako zmiennych losowych i zastosowaniu twierdzenia Bayesa do wyprowadzenia subiektywnych stwierdzeń prawdopodobieństwa dotyczących parametrów lub hipotez, w zależności od obserwowanego zestawu danych.

3
Jak modelować monetę z tendencją do zmian w czasie?
Modele monet tendencyjnych mają zwykle jeden parametr . Jednym ze sposobów oszacowania z serii losowań jest użycie wcześniejszej wersji beta i obliczenie rozkładu tylnej z prawdopodobieństwem dwumianowym.θθ = P( Head | θ )θ=P(Head|θ)\theta = P(\text{Head} | \theta)θθ\theta W moich ustawieniach, z powodu jakiegoś dziwnego procesu fizycznego, moje właściwości monety powoli …
3
Pozyskiwanie priorów… za pomocą pieniędzy!
Załóżmy, że mam „ekspertów”, z którymi chciałbym wywołać uprzedniej dystrybucji na jakiejś zmiennej X . Chciałbym ich zmotywować prawdziwymi pieniędzmi . Chodzi o to, aby wywołać priory, obserwować n realizacji losowej zmiennej , a następnie podzielić pewną z góry ustaloną „torebkę” wśród ekspertów na podstawie tego, jak dobrze ich priory …
10 bayesian  prior 
1
Jak zatem uwzględnić szacunki Bayesa w metaanalizie?
Zainspirowany tym pytaniem, a zwłaszcza „Problemem 3”: Rozkłady tylne są nieco trudniejsze do włączenia do metaanalizy, chyba że podano częsty, parametryczny opis rozkładu. Ostatnio dużo myślałem o włączeniu metaanalizy do modelu bayesowskiego - przede wszystkim jako źródła priorytetów - ale jak to zrobić w drugą stronę? Jeśli analiza bayesowska rzeczywiście …
2
Dobra książka z równym naciskiem na teorię i matematykę
W latach szkolnych i na uniwersytecie miałem wystarczająco dużo kursów statystyki. Dobrze rozumiem pojęcia, takie jak CI, wartości p, interpretacja istotności statystycznej, testowanie wielokrotne, korelacja, prosta regresja liniowa (z najmniejszymi kwadratami) (ogólne modele liniowe) i wszystkie testy hipotezy. Poznałem go w większości wcześniejszych czasów głównie matematycznie. I ostatnio, dzięki książce …
2
Czy mogę przetestować ważność wcześniej podanych danych?
Problem Piszę funkcję R, która wykonuje analizę bayesowską w celu oszacowania gęstości tylnej, biorąc pod uwagę świadomy uprzedni i dane. Chciałbym, aby funkcja wysłała ostrzeżenie, jeśli użytkownik będzie musiał ponownie rozważyć wcześniejsze. W tym pytaniu chcę dowiedzieć się, jak oceniać przeor. Poprzednie pytania dotyczyły mechaniki przedstawiania świadomych priorów ( tu …
4
Wskazówki i porady dotyczące modelowania statystycznego?
Pracuję w dziedzinie eksploracji danych i miałem bardzo mało formalnego wykształcenia statystycznego. Ostatnio czytam dużo pracy, która koncentruje się na bayesowskich paradygmatach uczenia się i wydobywania, które uważam za bardzo interesujące. Moje pytanie brzmi (w kilku częściach), biorąc pod uwagę problem, czy istnieją ogólne ramy, dzięki którym można zbudować model …
1
Czy procesy stochastyczne, takie jak proces Gaussa / proces Dirichleta, mają gęstość? Jeśli nie, w jaki sposób można zastosować do nich regułę Bayesa?
Proces Dirichleta i Proces Gaussa są często nazywane „rozkładami na funkcje” lub „rozkładami na rozkłady”. W takim przypadku, czy mogę sensownie mówić o gęstości funkcji u lekarza ogólnego? Czy proces Gaussa lub proces Dirichleta mają jakieś pojęcie o gęstości prawdopodobieństwa? Jeśli tak nie jest, w jaki sposób możemy zastosować zasadę …
5
Prawdopodobieństwa warunkowe - czy są one unikalne dla bayesianizmu?
Zastanawiam się, czy prawdopodobieństwa warunkowe są unikalne dla bayesianizmu, czy też są bardziej ogólną koncepcją podzielaną przez kilka szkół myślenia wśród statystów / osób prawdopodobieństwa. Zakładam, że tak jest, ponieważ zakładam, że nikt nie może jest w pewnym sensie logiczne, więc myślę, że częstokroć przynajmniej teoretycznie by się zgodził, ostrzegając …
1
Filtr ARIMA vs Kalman - jak są ze sobą powiązane
Kiedy zacząłem czytać o filtrze Kalmana, pomyślałem, że jest to specjalny przypadek modelu ARIMA (a mianowicie ARIMA (0,1,1)). Ale tak naprawdę wydaje się, że sytuacja jest bardziej skomplikowana. Przede wszystkim ARIMA może być używana do przewidywania, a filtr Kalmana służy do filtrowania. Ale czy nie są blisko spokrewnione? Pytanie: Jaki …
3
Hiperplany optymalnie klasyfikują dane, gdy dane wejściowe są warunkowo niezależne - dlaczego?
W artykule zatytułowanym Głębokie uczenie się i zasada wąskiego gardła informacji autorzy stwierdzają w sekcji II A), co następuje: Pojedyncze neurony klasyfikują tylko liniowo separowalne dane wejściowe, ponieważ mogą implementować tylko hiperpłaszczyzny w swojej przestrzeni wejściowej u=wh+bu=wh+bu = wh+b. Hiperplany mogą optymalnie klasyfikować dane, gdy dane wejściowe są warunkowo niezależne. …
3
Wybór modelu Bayesa i wiarygodny przedział
Mam zestaw danych z trzema zmiennymi, gdzie wszystkie zmienne są liczbowe. Nazwijmy to , i . Dopasowuję model regresji z perspektywy Bayesa za pomocą MCMCyyyx1x1x_1x2x2x_2rjags Zrobiłem analizę eksploracyjną, a wykres rozrzutu sugeruje, że należy użyć wyrażenia kwadratowego. Następnie zamontowałem dwa modeley×x2y×x2y\times x_2 (1)y=β0+β1∗x1+β2∗x2y=β0+β1∗x1+β2∗x2y=\beta_0+\beta_1*x_1+\beta_2*x_2 (2)y=β0+β1∗x1+β2∗x2+β3∗x1x2+β4∗x21+β5∗x22y=β0+β1∗x1+β2∗x2+β3∗x1x2+β4∗x12+β5∗x22y=\beta_0+\beta_1*x1+\beta_2*x_2+\beta_3*x_1x_2+\beta_4*x_1^2+\beta_5*x_2^2 W modelu 1 wielkość efektu każdego …
1
Jeffreys przed prawdopodobieństwem dwumianowym
Jeśli użyję wcześniej Jeffreysa dla dwumianowego parametru prawdopodobieństwa oznacza to użycie rozkładu .θθ\thetaθ∼beta(1/2,1/2)θ∼beta(1/2,1/2)\theta \sim beta(1/2,1/2) Jeśli przekształcę się w nowy układ odniesienia wówczas wyraźnie nie będzie również dystrybuowane jako rozkład .ϕ=θ2ϕ=θ2\phi = \theta^2ϕϕ\phibeta(1/2,1/2)beta(1/2,1/2)beta(1/2,1/2) Moje pytanie brzmi: w jakim sensie Jeffreys był niezmienny przed reparametryzacją? Myślę, że nie rozumiem tematu szczerze …
2
Oceń tylny rozkład predykcyjny w regresji liniowej Bayesa
Jestem zdezorientowany, jak ocenić tylny rozkład predykcyjny dla regresji liniowej Bayesa, pomijając podstawowy przypadek opisany tutaj na stronie 3, i skopiowałem poniżej. p(y~∣y)=∫p(y~∣β,σ2)p(β,σ2∣y)p(y~∣y)=∫p(y~∣β,σ2)p(β,σ2∣y) p(\tilde y \mid y) = \int p(\tilde y \mid \beta, \sigma^2) p(\beta, \sigma^2 \mid y) Podstawowym przypadkiem jest ten model regresji liniowej: y=Xβ+ϵ,y∼N(Xβ,σ2)y=Xβ+ϵ,y∼N(Xβ,σ2) y = X \beta …
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.