Preguntas etiquetadas con bayesian

Estoy leyendo el artículo de detección de punto de cambio en línea Bayesiano de Adams y MacKay ( enlace ). Los autores comienzan escribiendo la distribución predictiva marginal: dondeP(xt+1|x1:t)=∑rtP(xt+1|rt,x(r)t)P(rt|x1:t)(1)P(xt+1|x1:t)=∑rtP(xt+1|rt,xt(r))P(rt|x1:t)(1) P(x_{t+1} | \textbf{x}_{1:t}) = \sum_{r_t} P(x_{t+1} | r_t, \textbf{x}_t^{(r)}) P(r_t | \textbf{x}_{1:t}) \qquad \qquad (1) xtxtx_t es la observación en el …

9 time-series  bayesian  inference  change-point 

Cerrada . Esta pregunta necesita detalles o claridad . Actualmente no está aceptando respuestas. ¿Quieres mejorar esta pregunta? Agregue detalles y aclare el problema editando esta publicación . Cerrado hace 3 años . Por lo que he leído y por las respuestas a otras preguntas que he hecho aquí, muchos …

9 bayesian  frequentist  philosophical 

Actualmente estoy viendo un documento del modelo de efectos aleatorios del proceso de Dirichlet y la especificación del modelo es la siguiente: dondeαes el parámetro de escala yG0es la medida base. Más adelante en el artículo, sugiere que integremos una función sobre la medida baseG0como ∫f(y j |θ,ψ j )yyoψyosol= …

9 bayesian  dirichlet-distribution  dirichlet-process  nonparametric-bayes  measure-theory 

Considere la pérdida cuadrática , con la anterior donde . Sea la probabilidad. Encuentre el estimador de Bayes .L(θ,δ)=(θ−δ)2L(θ,δ)=(θ−δ)2L(\theta,\delta)=(\theta-\delta)^2π(θ)π(θ)\pi(\theta)π(θ)∼U(0,1/2)π(θ)∼U(0,1/2)\pi(\theta)\sim U(0,1/2)f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|\theta)=\theta x^{\theta-1}\mathbb{I}_{[0,1]}(x), \theta>0δπδπ\delta^\pi Considere la pérdida cuadrática ponderada donde con anterior . Sea sea ​​la probabilidad. Encuentre el estimador de Bayes .Lw(θ,δ)=w(θ)(θ−δ)2Lw(θ,δ)=w(θ)(θ−δ)2L_w(\theta,\delta)=w(\theta)(\theta-\delta)^2w(θ)=I(−∞,1/2)w(θ)=I(−∞,1/2)w(\theta)=\mathbb{I}_{(-\infty,1/2)}π1(θ)=I[0,1](θ)π1(θ)=I[0,1](θ)\pi_1(\theta)=\mathbb{I}_{[0,1]}(\theta)f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|\theta)=\theta x^{\theta-1}\mathbb{I}_{[0,1]}(x), \theta>0δπ1δ1π\delta^\pi_1 Compare yδπδπ\delta^\piδπ1δ1π\delta^\pi_1 Primero noté que , y …

9 self-study  bayesian  estimation  hierarchical-bayesian  loss-functions 

La pregunta se basa en el artículo titulado: Reconstrucción de imágenes en tomografía óptica difusa utilizando el modelo acoplado de transporte radiativo-difusión Enlace de descarga Los autores aplican el algoritmo EM con regularización de dispersión de un vector desconocido para estimar los píxeles de una imagen. El modelo viene dado …

9 self-study  bayesian  maximum-likelihood  expectation-maximization  moving-average 

Si bien me gusta pensar que tengo una buena comprensión del concepto de información previa en el análisis estadístico bayesiano y la toma de decisiones, a menudo tengo problemas para comprender mi aplicación. Tengo en mente un par de situaciones que ejemplifican mis luchas, y siento que no se abordan …

9 bayesian  prior  rule-of-thumb  elicitation 

Problema Me gustaría hacer alguna inferencia en un sistema análogo a morir con un número desconocido de lados. El dado se tira varias veces, después de lo cual me gustaría inferir una distribución de probabilidad sobre un parámetro correspondiente al número de lados que tiene el dado, θ. Intuición Si …

9 r  probability  bayesian  jags 

Actualmente estoy aprendiendo modelos bayesianos jerárquicos usando JAGS de R, y también pymc usando Python ( "Métodos Bayesianos para Hackers" ). Puedo entender algo de esta publicación : "terminarás con una pila de números que parece" como si "hubieras logrado tomar muestras independientes de la complicada distribución que querías saber". …

9 bayesian  mcmc  expectation-maximization 

En filogenética, los árboles filogenéticos a menudo se construyen usando MLE o análisis bayesiano. A menudo, se utiliza un previo plano en la estimación bayesiana. Según tengo entendido, una estimación bayesiana es una estimación de probabilidad que incorpora un previo. Mi pregunta es, si usa un plano anterior, ¿es diferente …

9 bayesian  confidence-interval  maximum-likelihood  likelihood  phylogeny 

¿Cómo se calcula el previo apropiado si tiene el error de medición de un instrumento? Este párrafo es del libro de Cressie "Estadísticas para datos espacio-temporales": A menudo se da información previa sobre la varianza de error de medición, lo que permite especificar un modelo de parámetro bastante informativo. Por …

9 bayesian  standard-error  error  prior  measurement-error 

Estoy leyendo la "Causalidad" de Judea Pearl (segunda edición 2009) y en la sección 1.1.5 Independencia condicional y Grafoides, dice: La siguiente es una lista (parcial) de propiedades satisfechas por la relación de independencia condicional (X_ || _Y | Z). Simetría: (X_ || _ Y | Z) ==> (Y_ || …

9 self-study  bayesian 

Estoy trabajando a través de los ejemplos en el análisis de datos bayesianos de Kruschke , específicamente el ANOVA exponencial de Poisson en el cap. 22, que presenta como una alternativa a las pruebas de independencia chi-cuadrado de independencia para tablas de contingencia. Puedo ver cómo obtenemos información sobre las …

9 r  bayesian  effect-size  contingency-tables 

Estoy tomando un curso de Introducción a Bayes y tengo dificultades para comprender las distribuciones predictivas. Entiendo por qué son útiles y estoy familiarizado con la definición, pero hay algunas cosas que no entiendo del todo. 1) Cómo obtener la distribución predictiva correcta para un vector de nuevas observaciones Supongamos …

9 bayesian  prediction 

Desde un punto de vista matemático, el teorema de Bayes tiene mucho sentido para mí (es decir, derivar y probar), pero lo que no sé es si existe o no un argumento geométrico o gráfico agradable que pueda demostrarse para explicar el teorema de Bayes. Intenté buscar en Google una …

9 bayesian  bayes  geometry 

Estoy estudiando diferentes métodos de estimación puntual y leí que cuando usamos estimaciones MAP vs ML, cuando usamos un "uniforme previo", las estimaciones son idénticas. ¿Alguien puede explicar qué es un "uniforme" anterior y dar algunos ejemplos (simples) de cuándo los estimadores MAP y ML serían los mismos?

9 machine-learning  probability  bayesian  estimation  maximum-likelihood