Preguntas etiquetadas con bayesian

Estaba leyendo acerca de Jeffreys antes en la wikipedia: Jeffreys Prior y vi que después de cada ejemplo, describe cómo una transformación estabilizadora de la varianza convierte a Jeffreys prior en un uniforme previo. Como ejemplo, para el caso de Bernoulli, establece que para una moneda con cara de probabilidad …

17 bayesian  prior  jeffreys-prior 

Estoy volviendo a publicar una "respuesta" a una pregunta que hice hace unas dos semanas aquí: ¿Por qué es útil el Jeffreys anterior? Sin embargo, realmente era una pregunta (y tampoco tenía derecho a publicar comentarios en ese momento), así que espero que esté bien hacer esto: En el enlace …

17 bayesian  mathematical-statistics  fisher-information  jeffreys-prior  invariance 

Actualmente trato de entender el Principio de Probabilidad y francamente no lo entiendo en absoluto. Por lo tanto, escribiré todas mis preguntas como una lista, incluso si esas podrían ser preguntas bastante básicas. ¿Qué significa exactamente la frase "toda la información" en el contexto de este principio? (como en toda …

17 bayesian  likelihood  likelihood-principle 

Con un previo plano, coinciden los estimadores ML (frecuentista - máxima verosimilitud) y MAP (Bayesiano - máximo a posteriori). Sin embargo, en términos más generales, estoy hablando de estimadores puntuales derivados como optimizadores de alguna función de pérdida. Es decir (Bayesiano) x (x^(.)=argminE(L(X−x^(y))|y) (Bayesian) x^(.)=argminE(L(X−x^(y))|y) (Bayesian) \hat x(\,. ) = …

17 bayesian  estimation  loss-functions  frequentist  decision-theory 

Si tenemos un tamaño de muestra pequeño, ¿influirá mucho la distribución previa en la distribución posterior?

17 bayesian  sample-size  prior 

Robby McKilliam dice en un comentario a esta publicación: Cabe señalar que, desde el punto de vista de los frecuentistas, no hay razón para que no pueda incorporar el conocimiento previo al modelo. En este sentido, la vista frecuentista es más simple, solo tiene un modelo y algunos datos. No …

17 bayesian  prior  regularization  frequentist 

Cuando se usa el modelado de temas (Asignación de Dirichlet latente), el número de temas es un parámetro de entrada que el usuario debe especificar. ¿Me parece que también deberíamos proporcionar una colección de conjunto de temas candidatos que el proceso de Dirichlet tiene que probar? ¿Es correcto mi entendimiento? …

17 machine-learning  bayesian  clustering  text-mining  dirichlet-distribution 

¿Alguien ha escrito una breve encuesta sobre los diversos enfoques de las estadísticas? Para una primera aproximación, tiene estadísticas frecuentistas y bayesianas. Pero cuando miras más de cerca, también tienes otros enfoques como Bayes probabilista y empírico. Y luego tienes subdivisiones dentro de grupos como Bayes subjetivos objetivos Bayes dentro …

17 bayesian  frequentist  philosophical 

Estoy buscando un buen tutorial sobre la agrupación de datos al Rusar el proceso de dirichlet jerárquico (HDP) (uno de los métodos bayesianos no paramétricos recientes y populares). Hay DPpackage(en mi humilde opinión, el más completo de todos los disponibles) en Rel análisis bayesiano no paramétrico. Pero no puedo entender …

17 r  bayesian  clustering  nonparametric 

Bloqueado . Esta pregunta y sus respuestas están bloqueadas porque la pregunta está fuera de tema pero tiene un significado histórico. Actualmente no acepta nuevas respuestas o interacciones. Compré este libro: Cómo medir cualquier cosa: encontrar el valor de los intangibles en los negocios y Head First Data Analysis: A …

17 machine-learning  bayesian  references 

Mi comprensión del algoritmo es la siguiente: Ningún muestreador de giro en U (NUTS) es un método hamiltoniano de Monte Carlo. Esto significa que no es un método de la cadena de Markov y, por lo tanto, este algoritmo evita la parte de la caminata aleatoria, que a menudo se …

17 bayesian  monte-carlo  markov-process 

¿Cómo hacemos para calcular un posterior con un N ~ anterior (a, b) después de observar n puntos de datos? Supongo que tenemos que calcular la media muestral y la varianza de los puntos de datos y hacer algún tipo de cálculo que combine lo posterior con lo anterior, pero …

17 bayesian  normal-distribution  conjugate-prior 

Esta pregunta se inspiró en dos interacciones recientes que tuve, una aquí en CV y la otra en economics.se. Allí, había publicado una respuesta a la conocida "Paradoja de la envoltura" (fíjate, no como la "respuesta correcta" sino como la respuesta que surge de suposiciones específicas sobre la estructura de …

16 bayesian  mathematical-statistics  prior  theory  philosophical 

El cálculo bayesiano aproximado es una técnica realmente genial para ajustar básicamente cualquier modelo estocástico, destinado a modelos donde la probabilidad es intratable (por ejemplo, puede tomar muestras del modelo si fija los parámetros pero no puede calcular la probabilidad numérica, algorítmica o analíticamente ). Al presentar el cálculo bayesiano …

16 bayesian  simulation  model  likelihood  abc 

Esta pregunta es un seguimiento técnico de esta pregunta . Tengo problemas para entender y replicar el modelo presentado en Raftery (1988): Inferencia para el parámetro binomial : un enfoque jerárquico de BayesNNN en WinBUGS / OpenBUGS / JAGS. Sin embargo, no se trata solo de código, por lo que …

16 bayesian  binomial  hierarchical-bayesian  winbugs