Preguntas etiquetadas con bayesian

Recuerdo una prueba de que la teoría de probabilidad bayesiana es el único método válido para representar creencias, fue algo así como representamos la creencia por alguna función no negativa sobre algún dominio de resultados las creencias son subaditivas ... Por lo tanto, la teoría de probabilidad bayesiana es el …

8 bayesian  decision-theory 

En Bayesian Data Analysis , capítulo 13, página 317, segundo párrafo completo, en las aproximaciones modales y distributivas, Gelman et al. escribir: Si el plan es resumir la inferencia por el modo posterior de ρρ\rho [el parámetro de correlación en una distribución normal bivariada], reemplazaríamos la distribución previa U (-1,1) …

8 bayesian  prior  posterior  mode 

¿Alguien puede explicar por qué la integral en la densidad posterior puede no ser "analíticamente manejable" si la anterior que elegimos no es conjugada?

8 bayesian 

Mi pregunta general es: ¿por qué usar en bayesglmlugar de otros métodos de clasificación? Nota: Solo me interesa la predicción. Tengo una cantidad decente de datos (~ 100,000 obs). Siento que el tamaño de la muestra es lo suficientemente grande como para que los parámetros de una regresión logística regular …

8 bayesian  generalized-linear-model 

Tengo dos preguntas, Pregunta 1: ¿Cómo puedo demostrar que la distribución posterior es una distribución beta si la probabilidad es binomial y la anterior es beta? Pregunta 2: ¿Cómo afectan las elecciones los parámetros anteriores a los posteriores? ¿No deberían ser todos iguales? ¿Es posible responder estas preguntas en R?

8 r  self-study  bayesian  prior  posterior 

¿Es posible realizar una selección aproximada de hiperparámetros completamente bayesianos (1) (por ejemplo, escala de covarianza) con el código GPML, en lugar de maximizar la probabilidad marginal (2)? Creo que usar métodos MCMC para resolver las integrales que involucran hiperparámetros antes debería conducir a mejores resultados cuando se trata de …

8 bayesian  model-selection  gaussian-process  hyperparameter 

¿Por qué jerárquico? : He intentado investigar este problema, y ​​por lo que entiendo, este es un problema "jerárquico", porque estás haciendo observaciones sobre observaciones de una población, en lugar de hacer observaciones directas de esa población. Referencia: http://www.econ.umn.edu/~bajari/iosp07/rossi1.pdf ¿Por qué bayesiano? : Además, lo etiqueté como bayesiano porque puede …

8 bayesian  mcmc  jags  hierarchical-bayesian  pymc 

He visto algunos artículos de investigación que afirman que las redes neuronales clásicas generalmente carecen de una capacidad de generalización satisfactoria, lo que generalmente da como resultado predicciones imprecisas, y las ANNs regularizadas bayesianas (BRANN) son más robustas que las redes estándar de propagación inversa y pueden reducir o eliminar …

8 bayesian  neural-networks 

Estoy trabajando en un modelo que depende de una función parametrizada fea que actúa como una función de calibración en una parte del modelo. Utilizando una configuración bayesiana, necesito obtener antecedentes no informativos para los parámetros que describen mi función. Sé que, idealmente, debería derivar referencias o al menos anteriores …

8 bayesian  inference  prior  uninformative-prior 

Esta es una pregunta para principiantes sobre un ejercicio en "Computación bayesiana con R" de Jim Albert. Tenga en cuenta que si bien esto podría ser tarea, en mi caso no lo es, ya que estoy aprendiendo métodos bayesianos en R porque creo que podría usarlo en mis futuros análisis. …

8 r  bayesian  simulation 

El siguiente es un problema de Bayesian Data Analysis 2nd ed , p. 97. Andrew Gelman no ha incluido su solución en la guía de su sitio web y me ha estado volviendo loco todo el día. Literalmente todo el día. Para algunos datos , modelados como una distribución binomial …

8 self-study  bayesian  binomial 

Estoy tratando de entender cuál es la diferencia entre un HMM estándar y un HMM bayesiano. Wikipedia solo menciona brevemente cómo se ve el modelo, pero necesito un tutorial más detallado. ¿Alguien sabe de un documento o una implementación que pueda ver? También tengo problemas con la terminología utilizada. ¿Qué …

8 bayesian  hidden-markov-model 

Quiero estimar los parámetros de los modelos de mezcla de Dirichlet usando el muestreo de Gibbs y tengo algunas preguntas al respecto: ¿Es una mezcla de distribuciones de Dirichlet equivalente a un proceso de Dirichlet? ¿Cuáles son sus principales diferencias si no es así? Además, si quiero estimar los parámetros …

8 bayesian  estimation  gibbs  dirichlet-distribution 

Estoy tratando de encontrar un enfoque para detectar anuncios fraudulentos en mi sitio web. Creo que el problema tiene mucho en común con la detección de correo electrónico no deseado (para el cual un clasificador bayesiano ingenuo es una solución común) ya que muchas de las señales que indican una …

8 bayesian  classification  naive-bayes 

Tengo dos grupos de 10 participantes que fueron evaluados tres veces durante un experimento. Para probar las diferencias entre los grupos y entre las tres evaluaciones, ejecuté un ANOVA de diseño mixto 2x3 con group(control, experimental), time(primero, segundo, tres) y group x time. Ambos timey groupresultaron significativos, además hubo una …

8 anova  mixed-model  spss  post-hoc  bonferroni  time-series  unevenly-spaced-time-series  classification  normal-distribution  discriminant-analysis  probability  normal-distribution  estimation  sampling  classification  svm  terminology  pivot-table  random-generation  self-study  estimation  sampling  estimation  categorical-data  maximum-likelihood  excel  least-squares  instrumental-variables  2sls  total-least-squares  correlation  self-study  variance  unbiased-estimator  bayesian  mixed-model  ancova  statistical-significance  references  p-value  fishers-exact  probability  monte-carlo  particle-filter  logistic  predictive-models  modeling  interaction  survey  hypothesis-testing  multiple-regression  regression  variance  data-transformation  residuals  minitab  r  time-series  forecasting  arima  garch  correlation  estimation  least-squares  bias  pca  predictive-models  genetics  sem  partial-least-squares  nonparametric  ordinal-data  wilcoxon-mann-whitney  bonferroni  wilcoxon-signed-rank  traminer  regression  econometrics  standard-error  robust  misspecification  r  probability  logistic  generalized-linear-model  r-squared  effect-size  gee  ordered-logit  bayesian  classification  svm  kernel-trick  nonlinear  bayesian  pca  dimensionality-reduction  eigenvalues  probability  distributions  mathematical-statistics  estimation  nonparametric  kernel-smoothing  expected-value  filter  mse  time-series  correlation  data-visualization  clustering  estimation  predictive-models  recommender-system  sparse  hypothesis-testing  data-transformation  parametric  probability  summations  correlation  pearson-r  spearman-rho  bayesian  replicability  dimensionality-reduction  discriminant-analysis  outliers  weka