Preguntas etiquetadas con bayesian

Si mi anterior se modela como una distribución de probabilidad continua, por ejemplo, una distribución beta sesgada para reflejar mi sesgo hacia ciertos modelos, ¿cómo puedo calcular la probabilidad posterior? El desafío para mí es calcular la probabilidad de un modelo dado, ya que la distribución continua solo me dará …

8 bayesian  prior 

Me preguntaba si hay un subconjunto de temas de estadísticas frecuentistas que uno debería saber antes de comenzar a aprender estadísticas bayesianas. Una vez que leí eso, parece que las dos tendencias son antagónicas entre sí; por ejemplo, el análisis frecuentista se basa en gran medida en suposiciones (hipótesis) que …

8 bayesian  frequentist 

He leído las respuestas existentes en CrossValidated (más en otro lugar en línea) y no puedo encontrar lo que estoy buscando, pero sírvase señalarme las fuentes existentes si las he perdido. Digamos que tengo un conjunto de datos de N = 1000 registros, cada uno de los cuales puede muestrearse …

8 bayesian  sampling  sample-size  hypergeometric 

Deje que sea ​​la distribución objetivo en que es absolutamente continua wrt a la medida dimensional de Lebesgue, es decir:ππ\pi(Rre, B(Rre) )(Rd,B(Rd))(\mathbb{R}^d,\mathcal{B}(\mathbb{R^d}))redd ππ\pi admite una densidad wrt a con π(X1, . . . ,Xre)π(x1,...,xd)\pi(x_1,...,x_d)λreλre\lambda^dλre( dX1, . . . , dXre) = λ ( dX1) ⋅ ⋅ ⋅ λ ( dXre)λre(reX1,...,reXre)=λ(reX1)⋅⋅⋅λ(reXre)\lambda^d(dx_1,...,dx_d) …

8 bayesian  conditional-probability  markov-process  gibbs  integral 

Tengo datos que describen con qué frecuencia tiene lugar un evento durante una hora ("número por hora", nph) y cuánto duran los eventos ("duración en segundos por hora", dph). Estos son los datos originales: nph <- c(2.50000000003638, 3.78947368414551, 1.51456310682008, 5.84686774940732, 4.58823529414907, 5.59999999993481, 5.06666666666667, 11.6470588233699, 1.99999999998209, NA, 4.46153846149851, 18, 1.05882352939726, 9.21739130425452, …

8 normal-distribution  data-transformation  logistic  generalized-linear-model  ridge-regression  t-test  wilcoxon-signed-rank  paired-data  naive-bayes  distributions  logistic  goodness-of-fit  time-series  eviews  ecm  panel-data  reliability  psychometrics  validity  cronbachs-alpha  self-study  random-variable  expected-value  median  regression  self-study  multiple-regression  linear-model  forecasting  prediction-interval  normal-distribution  excel  bayesian  multivariate-analysis  modeling  predictive-models  canonical-correlation  rbm  time-series  machine-learning  neural-networks  fishers-exact  factorisation-theorem  svm  prediction  linear  reinforcement-learning  cdf  probability-inequalities  ecdf  time-series  kalman-filter  state-space-models  dynamic-regression  index-decomposition  sampling  stratification  cluster-sample  survey-sampling  distributions  maximum-likelihood  gamma-distribution 

Estoy tratando de entender EM e intentando inferir los parámetros de este modelo usando esta técnica, pero tengo problemas para entender cómo comenzar: Entonces, tengo un modelo de regresión lineal ponderado de la siguiente manera donde tengo observaciones y las observaciones correspondientes . El modelo de la relación entre e …

8 bayesian  expectation-maximization 

Tengo una pregunta sobre la mezcla de anteriores conjugados. Aprendí y digo la mezcla de anteriores conjugados un par de veces cuando estoy aprendiendo bayesiano. Me pregunto por qué este teorema es tan importante, cómo lo aplicaremos cuando hagamos un análisis bayesiano. Para ser más específicos, un teorema de Diaconis …

8 bayesian  conditional-probability  hierarchical-bayesian  conjugate-prior  exponential-family 

Por lo general, se dice que los antecedentes de las estadísticas bayesianas pueden considerarse factores de regularización, ya que penalizan las soluciones donde los lugares anteriores tienen una baja densidad de probabilidad. Entonces, dado este modelo simple cuyos parámetros MLE son: a r gm aXμ norte( y; μ , σ)argmaxμ …

8 bayesian  regularization  frequentist  philosophical 

Soy relativamente nuevo en las estadísticas bayesianas, así que por favor sea gentil. Acabo de realizar Computación Bayesiana Aproximada (ABC) para la inferencia de un modelo multiparamétrico. Ahora estoy buscando realizar una verificación predictiva posterior de los parámetros que se han inferido. Lo que quiero saber es que, al muestrear …

8 bayesian  posterior  abc 

Se prefieren los antecedentes no informativos en los casos en que el sesgo no es aceptable (es decir, salas de audiencias, etc.) Sin embargo, me parece que tendría sentido utilizar un enfoque frecuentista en su lugar. ¿Por qué el enfoque bayesiano incluso tiene un previo no informativo? ¡Gracias!

8 bayesian  prior  uninformative-prior 

La función de probabilidad de una distribución lognormal es: F( x ; μ , σ) ∝∏norteyo11σXyoExp( -( lnXyo- μ)22σ2)F(X;μ,σ)∝∏yo1norte1σXyoExp⁡(-(En⁡Xyo-μ)22σ2)f(x; \mu, \sigma) \propto \prod_{i_1}^n \frac{1}{\sigma x_i} \exp \left ( - \frac{(\ln{x_i} - \mu)^2}{2 \sigma^2} \right ) y el Prior de Jeffreys es: p ( μ , σ) ∝1σ2pags(μ,σ)∝1σ2p(\mu,\sigma) \propto \frac{1}{\sigma^2} combinando …

8 bayesian  prior  posterior  conjugate-prior  uninformative-prior 

Tengo un modelo para lograr estimaciones bayesianas del tamaño de la población y la probabilidad de detección en una distribución binomial basada únicamente en el número observado de objetos observados : para . Por simplicidad, asumimos que N está fijado en el mismo valor desconocido para cada y_i . En …

8 bayesian  mcmc  hierarchical-bayesian  stan 

Estoy tratando de entender la diferencia entre prueba de la hipótesis nula (es decir, prueba de que la probabilidad de un "objetivo" es la misma en 2 poblaciones diferentes, similar a la prueba de prop. en R) Una prueba A / B utilizando una fórmula bayesiana como la que se …

8 hypothesis-testing  bayesian  proportion  ab-test 

Quiero combinar datos de diferentes fuentes. Digamos que quiero estimar una propiedad química (por ejemplo, un coeficiente de partición ): Tengo algunos datos empíricos, que varían debido al error de medición en torno a la media. Y, en segundo lugar, tengo un modelo que predice una estimación a partir de …

8 r  bayesian  meta-analysis  jags 

El libro de Kevin Murphy discute un problema bayesiano jerárquico clásico (originalmente discutido en Johnson and Albert, 1999, p24): Supongamos que estamos tratando de estimar la tasa de cáncer en ciudades. En cada ciudad, tomamos muestras de una cantidad de individuos y medimos la cantidad de personas con cáncer , …

8 bayesian  hierarchical-bayesian  pymc  probabilistic-programming