Preguntas etiquetadas con conjugate-prior

En el algoritmo de modelo de tema LDA, vi esta suposición. Pero no sé por qué eligió la distribución Dirichlet? No sé si podemos usar la distribución uniforme sobre Multinomial como un par.

36 bayesian  dirichlet-distribution  conjugate-prior 

Sé que la distribución beta es conjugado a la binomial. Pero, ¿qué es el conjugado antes de la beta? Gracias.

34 beta-distribution  conjugate-prior 

He estado tratando de entender la idea de conjugar los antecedentes en las estadísticas bayesianas por un tiempo, pero simplemente no lo entiendo. ¿Alguien puede explicar la idea en los términos más simples posibles, quizás utilizando el "previo gaussiano" como ejemplo?

23 bayesian  conditional-probability  conjugate-prior 

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 

¿Cómo hacemos para calcular un posterior con un N ~ anterior (a, b) después de observar n puntos de datos? Supongo que tenemos que calcular la media muestral y la varianza de los puntos de datos y hacer algún tipo de cálculo que combine lo posterior con lo anterior, pero …

17 bayesian  normal-distribution  conjugate-prior 

¿Existe un conjugado previo para la distribución de Laplace ? Si no, ¿existe una expresión de forma cerrada conocida que se aproxime a la posterior para los parámetros de la distribución de Laplace? He buscado mucho en Google sin éxito, así que mi suposición actual es "no" en las preguntas …

13 bayesian  conjugate-prior  laplace-distribution 

Además de la usabilidad, ¿hay alguna justificación epistémica (matemática, filosófica, heurística, etc.) para usar los conjugados anteriores? ¿O se debe principalmente a que suele ser una aproximación lo suficientemente buena y hace las cosas mucho más fáciles?

12 bayesian  conjugate-prior  philosophical 

Al inferir la matriz de precisión ΛΛ\boldsymbol{\Lambda} de una distribución normal utilizada para generar NNN vectores dimensionales D x1,..,xNx1,..,xN\mathbf{x_1},..,\mathbf{x_N} xi∼N(μ,Λ−1)xi∼N(μ,Λ−1)\begin{align} \mathbf{x_i} &\sim \mathcal{N}(\boldsymbol{\mu, \Lambda^{-1}}) \\ \end{align} usualmente colocamos un Wishart anterior sobre ΛΛ\boldsymbol{\Lambda} ya que la distribución Wishart es el conjugado previo para La precisión de una distribución normal multivariada …

12 bayesian  posterior  hierarchical-bayesian  conjugate-prior  wishart 

¿Los estimadores de Bayes son inmunes al sesgo de selección? La mayoría de los artículos que discuten la estimación en alta dimensión, por ejemplo, datos de secuencia del genoma completo, a menudo plantean el problema del sesgo de selección. El sesgo de selección surge del hecho de que, aunque tenemos …

11 bayesian  feature-selection  bias  unbiased-estimator  conjugate-prior 

Lo siguiente es un extracto de la Introducción a las estadísticas bayesianas de Bolstad . Para todos los expertos, esto puede ser trivial, pero no entiendo cómo el autor concluye que no tenemos que hacer ninguna integración para calcular la probabilidad posterior de algún valor de . Entiendo la segunda …

11 distributions  bayesian  beta-distribution  conjugate-prior 

Ejemplos: Tengo una oración en la descripción del trabajo: "Ingeniero senior de Java en el Reino Unido". Quiero usar un modelo de aprendizaje profundo para predecirlo en 2 categorías: English y IT jobs. Si uso el modelo de clasificación tradicional, solo puede predecir 1 etiqueta con softmaxfunción en la última …

9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 

Dada una probabilidad gaussiana para una muestra como con siendo el espacio de parámetros y , parametrizaciones arbitrarias del vector medio y la matriz de covarianza.yyyp ( yEl | θ)= N( y; μ ( θ ) , Σ ( θ ) )p(y|θ)=N(y;μ(θ),Σ(θ))p(y|\theta) = \mathcal{N}(y;\mu(\theta),\Sigma(\theta))ΘΘ\Thetaμ ( θ )μ(θ)\mu(\theta)Σ ( θ )Σ(θ)\Sigma(\theta) …

8 normal-distribution  mixed-model  prior  marginal  conjugate-prior 

¿ Todos los anteriores conjugados tienen que venir de la familia exponencial? Si no, ¿qué otras familias se sabe que tienen / producen antecedentes conjugados?

8 bayesian  conjugate-prior 

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 

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