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.

1
Formuła do testowania Bayesian A / B nie ma żadnego sensu
Korzystam z formuły z testu ab Bayesian , aby obliczyć wyniki testu AB z wykorzystaniem metody Bayesa. Pr(pB>pA)=∑i=0αB−1B(αA+i,βB+βA)(βB+i)B(1+i,βB)B(αA,βA)Pr(pB>pA)=∑i=0αB−1B(αA+i,βB+βA)(βB+i)B(1+i,βB)B(αA,βA) \Pr(p_B > p_A) = \sum^{\alpha_B-1}_{i=0} \frac{B(\alpha_A+i,\beta_B+\beta_A)}{(\beta_B+i)B(1+i,\beta_B)B(\alpha_A, \beta_A)} gdzie αAαA\alpha_A w jednym plus liczba sukcesów dla A βAβA\beta_A w jednym plus liczba awarii dla A. αBαB\alpha_B w jednym plus liczba sukcesów dla B …
10 r  bayesian  ab-test 
3
Oszacowanie parametru rozkładu jednolitego: niewłaściwy wcześniej?
Mamy N próbek, , z jednolitego rozkładu [0, \ theta], gdzie \ theta jest nieznany. Oszacuj \ theta na podstawie danych.XiXiX_i[0,θ][0,θ][0,\theta]θθ\thetaθθ\theta Tak więc zasada Bayesa ... f(θ|Xi)=f(Xi|θ)f(θ)f(Xi)f(θ|Xi)=f(Xi|θ)f(θ)f(Xi)f(\theta | {X_i}) = \frac{f({X_i}|\theta)f(\theta)}{f({X_i})} a prawdopodobieństwo wynosi: f(Xi|θ)=∏Ni=11θf(Xi|θ)=∏i=1N1θf({X_i}|\theta) = \prod_{i=1}^N \frac{1}{\theta} (edytuj: kiedy 0≤Xi≤θ0≤Xi≤θ0 \le X_i \le \theta dla wszystkich iii , a …
3
Ćwiczenie 2.2 elementów uczenia statystycznego
Podręcznik najpierw generuje dane 2-klasowe poprzez: co daje: a następnie pyta: Próbuję rozwiązać ten problem, najpierw modelując to za pomocą tego modelu graficznego: gdzie ccc jest etykieta, h(1≤h≤10)h(1≤h≤10)h\,(1\le h \le 10) jest indeksem wybranej średniej mchmhcm_h^c, i xxxjest punktem danych. To da Pr(x∣mch)=Pr(mch∣h,c=blue)=Pr(mch∣h,c=orange)=Pr(h)=Pr(c)=N(mch,I/5)N((1,0)T,I)N((0,1)T,I)11012Pr(x∣mhc)=N(mhc,I/5)Pr(mhc∣h,c=blue)=N((1,0)T,I)Pr(mhc∣h,c=orange)=N((0,1)T,I)Pr(h)=110Pr(c)=12 \begin{align*} \Pr(x\mid m_h^c) =& \mathcal{N}(m_h^c,\mathbf{I}/5)\\ \Pr(m_h^c\mid h,c=\mathrm{blue}) …
2
Czy ta pojedyncza wartość pasuje do tego rozkładu?
wydaje się to bardzo naiwnym pytaniem, ale trudno mi znaleźć odpowiedź. Mam jeden zestaw 30 wartości. Niezależnie uzyskałem 31. wartość. Hipoteza zerowa jest taka, że ​​31. wartość jest częścią tego samego rozkładu. Alternatywą jest to, że jest inaczej. Chcę pewnego rodzaju wartości p lub miary prawdopodobieństwa. Kilka myśli, które miałem: …
4
Model historii zdarzeń dyskretnych (przeżycie) w R.
Próbuję dopasować model czasu dyskretnego do R, ale nie jestem pewien, jak to zrobić. Czytałem, że możesz zorganizować zmienną zależną w różnych wierszach, po jednym dla każdej obserwacji czasu, i użyć glmfunkcji z łączem logit lub cloglog. W tym sensie, mam trzy kolumny: ID, Event(1 lub 0, w każdym okresie …
10 r  survival  pca  sas  matlab  neural-networks  r  logistic  spatial  spatial-interaction-model  r  time-series  econometrics  var  statistical-significance  t-test  cross-validation  sample-size  r  regression  optimization  least-squares  constrained-regression  nonparametric  ordinal-data  wilcoxon-signed-rank  references  neural-networks  jags  bugs  hierarchical-bayesian  gaussian-mixture  r  regression  svm  predictive-models  libsvm  scikit-learn  probability  self-study  stata  sample-size  spss  wilcoxon-mann-whitney  survey  ordinal-data  likert  group-differences  r  regression  anova  mathematical-statistics  normal-distribution  random-generation  truncation  repeated-measures  variance  variability  distributions  random-generation  uniform  regression  r  generalized-linear-model  goodness-of-fit  data-visualization  r  time-series  arima  autoregressive  confidence-interval  r  time-series  arima  autocorrelation  seasonality  hypothesis-testing  bayesian  frequentist  uninformative-prior  correlation  matlab  cross-correlation 
3
Winbugs i inne MCMC bez informacji do wcześniejszej dystrybucji
Co dzieje się, gdy nie masz pojęcia o rozkładzie parametrów? Jakie podejście powinniśmy zastosować? Przez większość czasu dążymy do podkreślenia, czy dana zmienna ma jakikolwiek wpływ na obecność / nieobecność określonego gatunku, a zmienna jest akceptowana lub nie, zgodnie ze znaczeniem zmiennej. Oznacza to, że przez większość czasu nie myślimy …
10 r  bayesian  mcmc  bugs  winbugs 
5
Czy można najpierw dopasować model Bayesa, a następnie zacząć osłabiać priory?
Podczas częstych statystyk istnieje długa lista dużych „no-nosów”, takich jak przeglądanie wyników testów statystycznych przed podjęciem decyzji o zebraniu większej ilości danych. Zastanawiam się na ogół, czy istnieje podobna lista numerów zerowych dla metodologii stosowanych w statystyce bayesowskiej, a konkretnie, czy jedna z nich jest następująca. Niedawno zdałem sobie sprawę, …
1
Jak uzyskać prognozę dla określonej zmiennej w WinBUGS?
Jestem nowym użytkownikiem WinBUGS i mam jedno pytanie do twojej pomocy. Po uruchomieniu następującego kodu uzyskałem parametry beta0through beta4(statystyki, gęstość), ale nie wiem, jak uzyskać prognozę ostatniej wartości h, którą ustawiłem NAdo modelowania w kodzie. Czy ktoś może mi podpowiedzieć? Wszelkie porady będą mile widziane. model { for(i in 1: …
1
R regresja liniowa zmienna kategorialna „ukryta” wartość
To tylko przykład, na który natknąłem się kilka razy, więc nie mam żadnych przykładowych danych. Uruchamianie modelu regresji liniowej w R: a.lm = lm(Y ~ x1 + x2) x1jest zmienną ciągłą. x2jest kategoryczny i ma trzy wartości, np. „Niska”, „Średnia” i „Wysoka”. Jednak dane wyjściowe podane przez R byłyby mniej …
10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 
4
Biorąc pod uwagę łańcuch MCD 10D, jak mogę określić jego tryb (y) w R?
Pytanie: Za pomocą 10-wymiarowego łańcucha MCMC powiedzmy, że jestem przygotowany na przekazanie macierzy losowań: 100 000 iteracji (wierszy) na 10 parametrów (kolumn). Jak najlepiej zidentyfikować tryby tylne? Szczególnie interesuje mnie wiele trybów. Tło:Uważam się za doświadczonego obliczeniowo statystykę, ale kiedy kolega zadał mi to pytanie, wstydziłem się, że nie mogłem …
1
Dlaczego Bayesian posterior koncentruje się wokół minimalizatora dywergencji KL?
Rozważmy Bayesa posterior . Asymptotycznie, jego maksimum występuje przy oszacowaniu MLE , co tylko maksymalizuje prawdopodobieństwo .θ ∣ Xθ∣X\theta\mid Xθ^θ^\hat \thetaargminθfaθ( X)argminθfθ(X)\operatorname{argmin}_\theta\, f_\theta(X) Wszystkie te koncepcje - priory bayesowskie, maksymalizujące prawdopodobieństwo - brzmią bardzo pryncypialnie i wcale nie są arbitralne. W polu widzenia nie ma logów. Jednak MLE minimalizuje rozbieżność …
2
Szacowanie niepewności w problemach wnioskowania wielowymiarowego bez próbkowania?
Pracuję nad problemem wnioskowania o dużych wymiarach (około 2000 parametrów modelu), dla którego jesteśmy w stanie solidnie przeprowadzić oszacowanie MAP poprzez znalezienie globalnego maksimum log-tylnego przy użyciu kombinacji optymalizacji opartej na gradiencie i algorytmu genetycznego. Bardzo chciałbym mieć możliwość oszacowania niepewności parametrów modelu oprócz znalezienia oszacowania MAP. Jesteśmy w stanie …
3
Czy estymator Bayesa wymaga, aby prawdziwy parametr był możliwym wariantem wcześniejszego?
To może być trochę filozoficzne pytanie, ale zaczynamy: W teorii decyzji ryzyko estymatora Bayesa dla jest określone w odniesieniu do wcześniejszego rozkładu \ pi na \ Theta .θ^( x )θ^(x)\hat\theta(x)θ ∈ Θθ∈Θ\theta\in\Thetaππ\piΘΘ\Theta Z jednej strony, aby prawda wygenerowała dane (tj. „Istnieje”), musi być możliwą zmienną poniżej , np. Mieć niezerowe …
2
W jaki sposób wystarczalność bayesowska odnosi się do wystarczającej częstotliwości?
Najprostsza definicja wystarczającej statystyki w perspektywie częstokrzyskiej znajduje się tutaj w Wikipedii . Ostatnio natknąłem się jednak na książkę bayesowską z definicją . W linku stwierdzono, że oba są równoważne, ale nie rozumiem, jak to zrobić. Również na tej samej stronie w sekcji „Inne typy wystarczalności” stwierdzono, że obie definicje …
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.