Preguntas etiquetadas con bayesian

Entonces, sabemos que la búsqueda aleatoria funciona mejor que la búsqueda de cuadrícula, pero un enfoque más reciente es la optimización bayesiana (usando procesos gaussianos). Busqué una comparación entre los dos y no encontré nada. Sé que en el cs231n de Stanford solo mencionan la búsqueda aleatoria, pero es posible …

14 bayesian  hyperparameter 

Estoy buscando un libro de texto teóricamente riguroso sobre econometría bayesiana, suponiendo una comprensión sólida de la econometría frecuentista. Me gustaría sugerir un trabajo por respuesta, para que las recomendaciones se puedan votar hacia arriba o hacia abajo individualmente.

14 bayesian  econometrics  references 

Imagine la siguiente configuración: tiene 2 monedas, la moneda A que se garantiza que es justa y la moneda B que puede ser justa o no. Se le pide que haga 100 lanzamientos de monedas, y su objetivo es maximizar el número de caras . Su información previa sobre la …

14 bayesian  decision-theory 

¿Hay disponible una interpretación bayesiana de REML? Para mi intuición, REML tiene una gran similitud con los llamados procedimientos empíricos de estimación de Bayes , y me pregunto si se ha demostrado algún tipo de equivalencia asintótica (por ejemplo, bajo una clase adecuada de antecedentes). Tanto Bayes empíricos como REML …

14 bayesian  asymptotics  reml 

Pregunta: ¿Cuáles son las ventajas / desventajas de usar uno antes que otro para la selección de variables? Supongamos que tengo la probabilidad: donde puedo poner cualquiera de las anteriores: w i ∼ π δ 0 + ( 1 - π ) N ( 0 , 100 )y∼N(Xw,σ2I)y∼N(Xw,σ2I)y\sim\mathcal{N}(Xw,\sigma^2I) o: w …

14 bayesian  feature-selection 

A mi entender (muy básico), Naive Bayes estima las probabilidades en función de las frecuencias de clase de cada característica en los datos de entrenamiento. Pero, ¿cómo calcula la frecuencia de las variables continuas? Y al hacer predicciones, ¿cómo clasifica una nueva observación que puede no tener los mismos valores …

14 machine-learning  classification  bayesian  naive-bayes 

MLE = Estimación de máxima verosimilitud MAP = Máximo a posteriori MLE es intuitivo / ingenuo en el sentido de que comienza solo con la probabilidad de observación dado el parámetro (es decir, la función de probabilidad) y trata de encontrar el parámetro que mejor concuerde con la observación . …

14 machine-learning  bayesian  estimation  maximum-likelihood  inference 

He notado que en muchas aplicaciones prácticas, los métodos basados ​​en MCMC se usan para estimar un parámetro a pesar de que el posterior es analítico (por ejemplo, porque los anteriores fueron conjugados). Para mí, tiene más sentido usar estimadores MAP en lugar de estimadores basados ​​en MCMC. ¿Alguien podría …

13 bayesian  mcmc  posterior 

¿Qué es el aprendizaje profundo bayesiano y cómo se relaciona con las estadísticas bayesianas tradicionales y el aprendizaje profundo tradicional? ¿Cuáles son los principales conceptos y matemáticas involucrados? ¿Podría decir que son solo estadísticas bayesianas no paramétricas? ¿Cuáles son sus trabajos fundamentales, así como sus principales desarrollos y aplicaciones actuales? …

13 bayesian  deep-learning 

Soy nuevo en la investigación de estadísticas bayesianas. Escuché de los investigadores que los investigadores bayesianos implementan mejor MCMC por sí mismos en lugar de usar herramientas como JAGS / Stan. ¿Puedo preguntar cuál es el beneficio de implementar el algoritmo MCMC por sí mismo (en un lenguaje "no bastante …

13 bayesian  mcmc 

¿Cómo se debe convertir un resultado frecuentista en un previo bayesiano? Considere el siguiente escenario bastante genérico: se realizó un experimento en el pasado y se midió un resultado en algún parámetro . El análisis se realizó con una metodología frecuentista. Un intervalo de confianza para φ se da en …

13 bayesian  confidence-interval  meta-analysis  prior 

Mi pregunta se refiere a los antecedentes sobre los tamaños del efecto, en mi proyecto la medida es la de Cohen . Al leer la literatura, parece que a menudo se utilizan vagos antecedentes, como en el conocido ejemplo de ocho escuelas de un metanálisis bayesiano jerárquico. En el ejemplo …

13 bayesian  meta-analysis  effect-size 

No entiendo cómo se derivó esta ecuación. P(I|M1∩M2)≤P(I)P(I′)⋅P(M1|I)P(M2|I)P(M1|I′)P(M2|I′)P(I|M1∩M2)≤P(I)P(I′)⋅P(M1|I)P(M2|I)P(M1|I′)P(M2|I′)P(I|M_{1}\cap M_{2}) \leq \frac{P(I)}{P(I')}\cdot \frac{P(M_{1}|I)P(M_{2}|I)}{P(M_{1}|I')P(M_{2}|I')} Esta ecuación fue del documento "Trial by Probability", donde se dio el caso de OJ Simpson como un problema de ejemplo. El acusado está siendo juzgado por doble asesinato y se presentan dos evidencias contra él. M1M1M_{1} es …

13 bayesian  conditional-probability  bayes 

He preguntado sobre esto antes y realmente he estado luchando para identificar qué hace que un parámetro modelo y qué lo hace una variable latente. Mirando varios hilos sobre este tema en este sitio, la distinción principal parece ser: Las variables latentes no se observan, pero tienen una distribución de …

13 bayesian  modeling  random-variable  latent-variable 

¿Existe un conjugado previo para la distribución de Laplace ? Si no, ¿existe una expresión de forma cerrada conocida que se aproxime a la posterior para los parámetros de la distribución de Laplace? He buscado mucho en Google sin éxito, así que mi suposición actual es "no" en las preguntas …

13 bayesian  conjugate-prior  laplace-distribution