Preguntas etiquetadas con bayesian

¿Puedo llamar a un modelo en el que el teorema de Bayes se usa como un "modelo bayesiano"? Me temo que tal definición podría ser demasiado amplia. Entonces, ¿qué es exactamente un modelo bayesiano?

34 machine-learning  bayesian 

Entiendo cuál es la distribución predictiva posterior , y he estado leyendo sobre las comprobaciones predictivas posteriores , aunque todavía no tengo claro qué hace. ¿Qué es exactamente el control predictivo posterior? ¿Por qué algunos autores dicen que ejecutar verificaciones predictivas posteriores es "usar los datos dos veces" y no …

33 bayesian  model-selection  posterior 

Estoy ayudando a mis hijos, actualmente en la escuela secundaria, a comprender estadísticas, y estoy considerando comenzar con algunos ejemplos simples sin dejar de lado algunos atisbos de teoría. Mi objetivo sería darles el enfoque más intuitivo pero instrumentalmente constructivo para aprender estadísticas desde cero, a fin de estimular su …

32 probability  hypothesis-testing  bayesian  frequentist  teaching 

Existe una serie de estimadores robustos de escala . Un ejemplo notable es la mediana de la desviación absoluta que se relaciona con la desviación estándar como σ= M A D ⋅ 1.4826σ=METROUNAre⋅1.4826\sigma = \mathrm{MAD}\cdot1.4826 . En un marco bayesiano, existen varias formas de estimar de manera sólida la ubicación …

32 r  bayesian  estimation  standard-deviation  robust 

Morey et al (2015) argumentan que los intervalos de confianza son engañosos y que existen múltiples sesgos relacionados con su comprensión. Entre otros, describen la falacia de precisión de la siguiente manera: La falacia de precisión El ancho de un intervalo de confianza indica la precisión de nuestro conocimiento sobre …

31 bayesian  confidence-interval  frequentist  precision 

En este artículo , la talentosa investigadora Cosma Shalizi argumenta que para aceptar completamente una visión bayesiana subjetiva, uno también debe aceptar un resultado no físico de que la flecha del tiempo (dada por el flujo de entropía) debería ir hacia atrás . Esto es principalmente un intento de argumentar …

31 bayesian  entropy  maximum-entropy  philosophical 

Soy muy nuevo en las estadísticas bayesianas, y esta puede ser una pregunta tonta. Sin embargo: Considere un intervalo creíble con un previo que especifique una distribución uniforme. Por ejemplo, de 0 a 1, donde 0 a 1 representa el rango completo de valores posibles de un efecto. En este …

31 bayesian  confidence-interval  estimation  prior  credible-interval 

En esta publicación de blog de Andrew Gelman, hay el siguiente pasaje: Los modelos bayesianos de hace 50 años parecen irremediablemente simples (excepto, por supuesto, por problemas simples), y espero que los modelos bayesianos de hoy parezcan irremediablemente simples, dentro de 50 años. (Solo por un ejemplo simple: probablemente deberíamos …

30 distributions  bayesian  normal-distribution  model  robust 

Explicaré mi problema con un ejemplo. Suponga que desea predecir el ingreso de un individuo dados algunos atributos: {Edad, Sexo, País, Región, Ciudad}. Tienes un conjunto de datos de entrenamiento como este train <- data.frame(CountryID=c(1,1,1,1, 2,2,2,2, 3,3,3,3), RegionID=c(1,1,1,2, 3,3,4,4, 5,5,5,5), CityID=c(1,1,2,3, 4,5,6,6, 7,7,7,8), Age=c(23,48,62,63, 25,41,45,19, 37,41,31,50), Gender=factor(c("M","F","M","F", "M","F","M","F", "F","F","F","M")), Income=c(31,42,71,65, …

29 regression  machine-learning  multilevel-analysis  correlation  dataset  spatial  paired-comparisons  cross-correlation  clustering  aic  bic  dependent-variable  k-means  mean  standard-error  measurement-error  errors-in-variables  regression  multiple-regression  pca  linear-model  dimensionality-reduction  machine-learning  neural-networks  deep-learning  conv-neural-network  computer-vision  clustering  spss  r  weighted-data  wilcoxon-signed-rank  bayesian  hierarchical-bayesian  bugs  stan  distributions  categorical-data  variance  ecology  r  survival  regression  r-squared  descriptive-statistics  cross-section  maximum-likelihood  factor-analysis  likert  r  multiple-imputation  propensity-scores  distributions  t-test  logit  probit  z-test  confidence-interval  poisson-distribution  deep-learning  conv-neural-network  residual-networks  r  survey  wilcoxon-mann-whitney  ranking  kruskal-wallis  bias  loss-functions  frequentist  decision-theory  risk  machine-learning  distributions  normal-distribution  multivariate-analysis  inference  dataset  factor-analysis  survey  multilevel-analysis  clinical-trials 

Supongamos que tenemos una variable aleatoria . Si fuera el parámetro verdadero, la función de probabilidad debería maximizarse y la derivada igual a cero. Este es el principio básico detrás del estimador de máxima verosimilitud.X∼f(x|θ)X∼f(x|θ)X \sim f(x|\theta)θ0θ0\theta_0 Según tengo entendido, la información de Fisher se define como I(θ)=E[(∂∂θf(X|θ))2]I(θ)=E[(∂∂θf(X|θ))2]I(\theta) = \Bbb …

29 bayesian  maximum-likelihood  likelihood  intuition  fisher-information 

He tratado con el clasificador Naive Bayes antes. He estado leyendo sobre Multinomial Naive Bayes últimamente. También probabilidad posterior = (probabilidad anterior *) / (evidencia) . La única diferencia principal (al programar estos clasificadores) que encontré entre Naive Bayes y Multinomial Naive Bayes es que Naive Bayes multinomial calcula la …

29 bayesian  classification  text-mining  naive-bayes 

Me parece que solo dos paquetes R pueden realizar la asignación de Dirichlet latente : Uno es lda, escrito por Jonathan Chang; y el otro es topicmodelsescrito por Bettina Grün y Kurt Hornik. ¿Cuáles son las diferencias entre estos dos paquetes, en términos de rendimiento, detalles de implementación y extensibilidad?

29 r  bayesian  text-mining  topic-models  latent-dirichlet-alloc 

Cerrado. Esta pregunta está fuera de tema . Actualmente no está aceptando respuestas. ¿Quieres mejorar esta pregunta? Actualice la pregunta para que esté en el tema de Cross Validated. Cerrado hace 2 años . Estoy usando caret para ejecutar un bosque aleatorio validado cruzado sobre un conjunto de datos. La …

29 r  random-forest  caret  regression  prediction  fitting  social-science  poisson-distribution  distributions  characteristic-function  bayesian  prior  regression  normal-distribution  interaction  nonparametric  skewness  svm  standard-deviation  standard-error  regression-coefficients  igraph  natural-language  word2vec  word-embeddings  regression  machine-learning  sampling  r  regression  machine-learning  random-forest  ensemble  sampling  unbiased-estimator  proof  estimators  mse  probability  conditional-probability  bayes  anova  missing-data  neural-networks  recommender-system  r  confidence-interval  sample  multiple-imputation  r  time-series  forecasting  mase 

Statistics.com publicó un problema de la semana: la tasa de fraude de seguros residenciales es del 10% (una de cada diez reclamaciones es fraudulenta). Un consultor ha propuesto un sistema de aprendizaje automático para revisar las reclamaciones y clasificarlas como fraude o no fraude. El sistema es 90% efectivo para …

28 probability  bayesian  puzzle 

¿Cuál es la diferencia entre una red bayesiana y un proceso de Markov? Creía que entendía los principios de ambos, pero ahora, cuando necesito comparar los dos, me siento perdido. Significan casi lo mismo para mí. Seguramente no lo son. Los enlaces a otros recursos también son apreciados.

28 bayesian  references  modeling  markov-process  bayesian-network