Preguntas etiquetadas con bayesian

He revisado un conjunto de documentos, cada uno informando la media observada y la DE de una medida de en su muestra respectiva de tamaño conocido, . Quiero hacer la mejor suposición posible sobre la distribución probable de la misma medida en un nuevo estudio que estoy diseñando, y cuánta …

21 bayesian  normal-distribution  meta-analysis 

Algunas distribuciones tienen anteriores conjugados y otras no. ¿Es esta distinción solo un accidente? Es decir, usted hace los cálculos y funciona de una forma u otra, pero en realidad no le dice nada importante sobre la distribución, excepto por el hecho en sí ¿O la presencia o ausencia de …

21 bayesian  mathematical-statistics  conjugate-prior 

Cuando estoy codificando una simulación de Monte Carlo para algún problema, y ​​el modelo es lo suficientemente simple, uso un libro de texto muy básico de muestreo de Gibbs. Cuando no es posible usar el muestreo de Gibbs, codifico el libro de texto Metropolis-Hastings que aprendí hace años. El único …

21 bayesian  mcmc  gibbs  metropolis-hastings 

Recientemente me embarqué en ajustar modelos mixtos de regresión en el marco bayesiano, utilizando un algoritmo MCMC (función MCMCglmm en R en realidad). Creo que he entendido cómo diagnosticar la convergencia del proceso de estimación (traza, diagrama de Geweke, autocorrelación, distribución posterior ...). Una de las cosas que me llama …

21 r  bayesian  mixed-model  mcmc  residuals 

Necesito implementar un programa que clasifique los registros en 2 categorías (verdadero / falso) en función de algunos datos de entrenamiento, y me preguntaba qué algoritmo / metodología debería considerar. Parece que hay muchos para elegir: red neuronal artificial, algoritmo genético, aprendizaje automático, optimización bayesiana, etc., etc., y no estaba …

21 machine-learning  bayesian  optimization  genetic-algorithms 

He estado usando distribuciones normales de registro como distribuciones anteriores para parámetros de escala (para distribuciones normales, distribuciones t, etc.) cuando tengo una idea aproximada sobre cuál debería ser la escala, pero quiero equivocarme al decir que no sé mucho al respecto. Lo uso porque ese uso tiene un sentido …

21 distributions  bayesian  modeling  prior  maximum-entropy 

Estoy interesado en aprender más sobre las técnicas no paramétricas bayesianas (y relacionadas). Mi formación es en informática y, aunque nunca he tomado un curso sobre teoría de la medida o teoría de la probabilidad, he recibido una cantidad limitada de capacitación formal en probabilidad y estadística. ¿Alguien puede recomendar …

21 probability  bayesian  references  theory 

Con Stan y los paquetes frontend rstanarmo brmspuedo analizar fácilmente los datos al estilo bayesiano como lo hice antes con modelos mixtos como lme. Si bien tengo la mayor parte del libro y los artículos de Kruschke-Gelman-Wagenmakers-etc en mi escritorio, estos no me dicen cómo resumir los resultados para una …

21 statistical-significance  bayesian  stan  credible-interval  medicine 

Fondo Una de las variaciones previas débiles más comúnmente utilizadas es la gamma inversa con parámetros (Gelman 2006) .α=0.001,β=0.001α=0.001,β=0.001\alpha =0.001, \beta=0.001 Sin embargo, esta distribución tiene un IC del 90% de aproximadamente .[3×1019,∞][3×1019,∞][3\times10^{19},\infty] library(pscl) sapply(c(0.05, 0.95), function(x) qigamma(x, 0.001, 0.001)) [1] 3.362941e+19 Inf A partir de esto, interpreto que el …

21 bayesian  multilevel-analysis  prior 

Estoy tratando con un modelo lineal jerárquico bayesiano , aquí la red que lo describe. YYY representa las ventas diarias de un producto en un supermercado (observado). XXX es una matriz conocida de regresores, que incluye precios, promociones, día de la semana, clima, días festivos. SSS es el nivel de …

20 regression  bayesian  neural-networks  generalized-linear-model  bayesian-network 

Acabo de leer un poco sobre el muestreo de Gibbs y el algoritmo Metropolis Hastings y tengo un par de preguntas. Según tengo entendido, en el caso del muestreo de Gibbs, si tenemos un gran problema multivariado, tomamos muestras de la distribución condicional, es decir, tomamos muestras de una variable …

20 bayesian  sampling  mcmc  gibbs  metropolis-hastings 

Considere observaciones censuradas a la derecha, con eventos en los momentos . El número de individuos susceptibles en el momento es , y el número de eventos en el momento es .i n i i d it1, t2, ...t1,t2,…t_1, t_2, \dotsyoiinorteyonin_iyoiireyodid_i El estimador de Kaplan-Meier o producto surge naturalmente como …

20 bayesian  survival  kaplan-meier 

He sido convocado para el jurado. Soy consciente de la relevancia de las estadísticas para algunos juicios con jurado. Por ejemplo, el concepto de "tasa base" y su aplicación a los cálculos de probabilidad es a veces, quizás siempre, relevante. ¿Qué temas estadísticos podría estudiar una persona en mi situación …

20 probability  bayesian  references 

He utilizado la imputación múltiple para obtener una serie de conjuntos de datos completos. He utilizado métodos bayesianos en cada uno de los conjuntos de datos completos para obtener distribuciones posteriores para un parámetro (un efecto aleatorio). ¿Cómo puedo combinar / agrupar los resultados para este parámetro? Más contexto: Mi …

20 bayesian  mixed-model  missing-data 

He estado aprendiendo sobre estadísticas bayesianas, y a menudo he leído en artículos "adoptamos un enfoque bayesiano" o algo similar. También noté, con menos frecuencia: "adoptamos un enfoque totalmente bayesiano" (mi énfasis) ¿Hay alguna diferencia entre estos enfoques en algún sentido práctico o teórico? FWIW, estoy usando el paquete MCMCglmmen …

20 bayesian