Preguntas etiquetadas con bayesian

Estoy tratando de entender la lógica de separación de d en las redes bayesianas causales. Sé cómo funciona el algoritmo, pero no entiendo exactamente por qué el "flujo de información" funciona como se indica en el algoritmo. Por ejemplo, en el gráfico anterior, pensemos que solo se nos da X …

15 bayesian  causality  graphical-model  bayesian-network 

Actualmente estoy leyendo sobre los métodos bayesianos en la evolución molecular de la computación por Yang. En la sección 5.2 se habla de anteriores, y específicamente no informativo / plano / vago / difuso, conjugado e hiperprevio. Esto podría estar pidiendo una simplificación excesiva, pero, ¿alguien podría explicar simplemente la …

15 bayesian  prior 

Necesito "aprender" la distribución de un gaussiano bivariado con pocas muestras, pero una buena hipótesis sobre la distribución anterior, por lo que me gustaría utilizar el enfoque bayesiano. Definí mi anterior: P(μ)∼N(μ0,Σ0)P(μ)∼N(μ0,Σ0) \mathbf{P}(\mathbf{\mu}) \sim \mathcal{N}(\mathbf{\mu_0},\mathbf{\Sigma_0}) μ0=[00] Σ0=[160027]μ0=[00] Σ0=[160027] \mathbf{\mu_0} = \begin{bmatrix} 0 \\ 0 \end{bmatrix} \ \ \ \mathbf{\Sigma_0} = …

15 distributions  bayesian  estimation  covariance  posterior 

Tengo un vago sentido de lo que es un método de paso de mensajes: un algoritmo que construye una aproximación a una distribución construyendo iterativamente aproximaciones de cada uno de los factores de la distribución condicional a todas las aproximaciones de todos los demás factores. Creo que ambos son ejemplos …

15 distributions  bayesian  references  algorithms 

¿Puede alguien referirme a una buena referencia que explique la conexión entre las estadísticas bayesianas y las técnicas de modelado generativo? ¿Por qué solemos utilizar modelos generativos con técnicas bayesianas? ¿Por qué es especialmente atractivo utilizar estadísticas bayesianas en ausencia de datos completos, si es que lo hace? Tenga en …

15 bayesian  generative-models 

Dadas dos matrices x e y, ambas de longitud n, calzo un modelo y = a + b * x y quiero calcular un intervalo de confianza del 95% para la pendiente. Esto es (b - delta, b + delta) donde b se encuentra de la manera habitual y delta …

15 r  regression  bayesian  confidence-interval  frequentist 

Los algoritmos MCMC como el muestreo de Metropolis-Hastings y Gibbs son formas de muestreo de las distribuciones posteriores conjuntas. Creo que entiendo y puedo implementar la aceleración de las metrópolis con bastante facilidad: simplemente elige los puntos de partida de alguna manera y "recorre el espacio de parámetros" al azar, …

15 bayesian  mcmc  gibbs 

El cambio de etiqueta (es decir, la distribución posterior es invariante al cambio de etiquetas de componentes) es un problema problemático cuando se usa MCMC para estimar modelos de mezcla. ¿Existe una metodología estándar (como la ampliamente aceptada) para tratar el problema? Si no existe un enfoque estándar, ¿cuáles son …

15 bayesian  mcmc  mixture 

Pr(data)Pr(data)\Pr(\textrm{data}) Pr(parameters∣data)=Pr(data∣parameters)Pr(parameters)Pr(data)Pr(parameters∣data)=Pr(data∣parameters)Pr(parameters)Pr(data)\Pr(\text{parameters} \mid \text{data}) = \frac{\Pr(\textrm{data} \mid \textrm{parameters}) \Pr(\text{parameters})}{\Pr(\text{data})} se llama una constante de normalización . ¿Qué es exactamente? ¿Cual es su propósito? ¿Por qué se ve como ? ¿Por qué no depende de los parámetros?Pr(data)Pr(data)\Pr(data)

15 probability  bayesian 

Como estudiante de física, he experimentado la conferencia "Por qué soy bayesiano" tal vez media docena de veces. Siempre es lo mismo: el presentador explica con aire de suficiencia cómo la interpretación bayesiana es superior a la interpretación frecuentista supuestamente empleada por las masas. Mencionan la regla de Bayes, marginación, …

15 probability  bayesian  frequentist 

Estoy analizando un conjunto de datos utilizando un modelo de efectos mixtos con un efecto fijo (condición) y dos efectos aleatorios (participante debido al diseño del sujeto y al par). El modelo se ha generado con el lme4paquete: exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp). A continuación, realicé una prueba de razón de probabilidad de este …

15 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 

Quiero usar en la distribución para modelar retornos de activos de intervalo corto en un modelo bayesiano. Me gustaría estimar tanto los grados de libertad (junto con otros parámetros en mi modelo) para la distribución. Sé que los rendimientos de los activos son bastante no normales, pero no sé mucho …

15 distributions  bayesian  modeling  prior 

A menudo se da el caso de que un intervalo de confianza con una cobertura del 95% es muy similar a un intervalo creíble que contiene el 95% de la densidad posterior. Esto sucede cuando el prior es uniforme o casi uniforme en el último caso. Por lo tanto, un …

14 bayesian  confidence-interval  frequentist  credible-interval 

¿Podría proporcionar una explicación paso a paso para tontos de cómo funciona el Hamiltoniano Monte Carlo? PD: Ya he leído las respuestas aquí, Hamiltoniano Monte Carlo , y aquí, Hamiltoniano Monte Carlo vs. Sequential Monte Carlo , y aquí, Hamiltoniano Monte Carlo: ¿cómo dar sentido a la propuesta de Metrópolis …

14 bayesian  hmc 

Entonces, esta puede ser una pregunta común, pero nunca he encontrado una respuesta satisfactoria. ¿Cómo se determina la probabilidad de que la hipótesis nula sea verdadera (o falsa)? Digamos que les das a los estudiantes dos versiones diferentes de una prueba y quieres ver si las versiones son equivalentes. Realiza …

14 probability  hypothesis-testing  bayesian