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
Ograniczenia MCMC / EM? MCMC zamiast EM?
Obecnie uczę się hierarchicznych modeli bayesowskich przy użyciu JAGS z R, a także pymc przy użyciu Pythona ( „Bayesian Methods for Hackers” ). Mogę uzyskać intuicję z tego postu : „skończysz ze stosem liczb, które wyglądają” tak, jakby „udało ci się w jakiś sposób pobrać niezależne próbki ze skomplikowanej dystrybucji, …
1
Czy szacunek Bayesa z „uprzednim zryczałtowanym” jest taki sam jak szacunek maksymalnego prawdopodobieństwa?
W filogenetyce drzewa filogenetyczne są często konstruowane przy użyciu analizy MLE lub analizy bayesowskiej. W szacunkach bayesowskich często stosuje się płaski przeor. Jak rozumiem, oszacowanie bayesowskie jest oszacowaniem prawdopodobieństwa, które obejmuje uprzednie. Moje pytanie brzmi: jeśli użyjesz mieszkania wcześniej, czy różni się to od zwykłej analizy prawdopodobieństwa?
1
Wybór priorytetów na podstawie błędu pomiaru
Jak obliczyć odpowiedni wcześniej, jeśli masz błąd pomiaru przyrządu? Ten akapit pochodzi z książki Cressie „Statistics for Spatio-Temporal Data”: Często zdarza się, że dostępne są pewne wcześniejsze informacje dotyczące wariancji błędu pomiaru, co pozwala na określenie dość informacyjnego modelu parametrów. Na przykład, jeśli przyjmujemy warunkowo niezależne błędy pomiaru, które są …
4
Co to jest „dystrybucja ściśle pozytywna”?
Czytam „Przyczynowość” Judei Pearl (drugie wydanie 2009), aw sekcji 1.1.5 Warunkowa niezależność i grafoidy stwierdza: Poniżej znajduje się (częściowa) lista właściwości spełnianych przez warunkową zależność niezależności (X_ || _Y | Z). Symetria: (X_ || _ Y | Z) ==> (Y_ || _X | Z). Rozkład: (X_ || _ YW | …
2
Bayesowska analiza tabel awaryjnych: Jak opisać wielkość efektu
Pracuję nad przykładami z Doing Bayesian Data Analysis Kruschke , a konkretnie wykładniczą ANOVA wykładniczą Poissona w rozdz. 22, który przedstawia jako alternatywę dla częstych testów chi-kwadrat niezależności dla tabel awaryjnych. Widzę, w jaki sposób otrzymujemy informacje o interakcjach, które występują częściej lub rzadziej niż można by się spodziewać, gdyby …
3
Zrozumienie rozkładów predykcyjnych bayesowskich
Biorę udział w kursie Wprowadzenie do Bayesa i mam trudności ze zrozumieniem rozkładów predykcyjnych. Rozumiem, dlaczego są przydatne i znam definicję, ale są pewne rzeczy, których nie do końca rozumiem. 1) Jak uzyskać właściwy rozkład predykcyjny dla wektora nowych obserwacji Załóżmy, że zbudowaliśmy model próbkowania dla danych i wcześniejszego . …
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.
2
W jaki sposób mundur wcześniejszy prowadzi do tych samych szacunków na podstawie maksymalnego prawdopodobieństwa i trybu z tyłu?
Badam różne metody szacowania punktowego i czytam, że kiedy używam oszacowań MAP vs ML, kiedy używamy „jednolitego wcześniejszego”, oszacowania są identyczne. Czy ktoś może wyjaśnić, czym jest „jednolity” uprzedni i podać (proste) przykłady, kiedy estymatory MAP i ML będą takie same?
1
Umieszczenie pierwszeństwa parametru stężenia w procesie Dirichleta
Większość z tego stanowi tło, przejdź do końca, jeśli wiesz już wystarczająco dużo o mieszaninach procesowych Dirichleta . Załóżmy, że modeluję niektóre dane pochodzące z mieszanki procesów Dirichleta, tj. Pozwól i od załóżmy, żefa∼ D ( α H)fa∼re(αH.)F \sim \mathcal D(\alpha H)fafaFYja∼I I d∫fa( y| θ)F( dθ ) .Yja∼jajare∫fa(y|θ)fa(reθ).Y_i \stackrel …
1
Jaka jest różnica między podejściem częstym z metaanalizą a podejściem bayesowskim?
Powiedzmy, że przeprowadzam analizę, patrząc na konkretną miarę zdrowia. Interesuje mnie różnica w tym pomiarze między pacjentami a grupą kontrolną oraz to, czy różnica ta różni się od 0. W przeszłości były badania dotyczące tego samego pytania badawczego i miary zdrowia, ale w różnych próbkach pacjentów. W mojej analizie bayesowskiej …
2
„Zapomnienie” o przeorze w środowisku bayesowskim?
Jest dobrze wiadomo, że jak masz więcej dowodów (powiedzmy w postaci większej dla IID przykładach), Bayesa przed dostaje „zapomniał”, a większość wnioskowania jest wpływ dowodów (lub prawdopodobieństwa).nnnnnn Łatwo jest to zobaczyć w różnych konkretnych przypadkach (takich jak Bernoulli z wcześniejszą wersją Beta lub innymi typami przykładów) - ale istnieje sposób, …
9 bayesian  prior 
2
Rozkłady na podzbiory ?
Zastanawiam się, czy istnieją jakieś standardowe rozkłady na podzbiorach liczb całkowitych . Równolegle możemy to wyrazić jako rozkład na wektor długości wyników binarnych, np. Jeśli to odpowiada wektorowi .{1,2,...,J}{1,2,...,J}\{1, 2, ..., J\}JJJJ=5J=5J = 5{1,3,5}{1,3,5}\{1, 3, 5\}(1,0,1,0,1)(1,0,1,0,1)(1, 0, 1, 0, 1) Idealnie szukam jakiejś dystrybucji , pochodzącej z rodziny indeksowanej skończonym …
2
Parametryczne, półparametryczne i nieparametryczne ładowanie początkowe dla modeli mieszanych
Z tego artykułu pochodzą następujące przeszczepy . Jestem nowicjuszem w bootstrapie i próbuję zaimplementować parametryczne, semiparametryczne i nieparametryczne bootstrapowanie dla liniowego modelu mieszanego z R bootpakietem. Kod R. Oto mój Rkod: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + Cult + (1|Block) + (1|Cult), data=Cultivation) fixef(fm1Cult) boot.fn <- function(data, …
9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography 
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.