Preguntas etiquetadas con hierarchical-bayesian

Soy relativamente nuevo en las estadísticas bayesianas y he estado usando JAGS recientemente para construir modelos bayesianos jerárquicos en diferentes conjuntos de datos. Si bien estoy muy satisfecho con los resultados (en comparación con los modelos glm estándar), necesito explicar a los no estadísticos cuál es la diferencia con los …

10 bayesian  hierarchical-bayesian 

Trataré de describir el problema en cuestión de la manera más general posible. Estoy modelando observaciones como una distribución categórica con un vector de probabilidad de parámetro theta. Entonces, supongo que el vector de parámetros theta sigue una distribución previa de Dirichlet con los parámetros .α1,α2,…,αkα1,α2,…,αk\alpha_1,\alpha_2,\ldots,\alpha_k ¿Es posible también imponer …

10 categorical-data  multinomial  dirichlet-distribution  hierarchical-bayesian  dirichlet-process 

Acabo de (re) leer el Por qué de Gelman (generalmente) no tenemos que preocuparnos por las comparaciones múltiples . En particular, la sección "Resultados múltiples y otros desafíos" menciona el uso de un modelo jerárquico para situaciones en las que hay múltiples medidas relacionadas de la misma persona / unidad …

10 multiple-comparisons  multilevel-analysis  lme4-nlme  jags  hierarchical-bayesian 

Estoy tratando de ajustar un modelo de tiempo discreto en R, pero no estoy seguro de cómo hacerlo. He leído que puede organizar la variable dependiente en diferentes filas, una para cada observación de tiempo, y usar la glmfunción con un enlace logit o cloglog. En este sentido, tengo tres …

10 r  survival  pca  sas  matlab  neural-networks  r  logistic  spatial  spatial-interaction-model  r  time-series  econometrics  var  statistical-significance  t-test  cross-validation  sample-size  r  regression  optimization  least-squares  constrained-regression  nonparametric  ordinal-data  wilcoxon-signed-rank  references  neural-networks  jags  bugs  hierarchical-bayesian  gaussian-mixture  r  regression  svm  predictive-models  libsvm  scikit-learn  probability  self-study  stata  sample-size  spss  wilcoxon-mann-whitney  survey  ordinal-data  likert  group-differences  r  regression  anova  mathematical-statistics  normal-distribution  random-generation  truncation  repeated-measures  variance  variability  distributions  random-generation  uniform  regression  r  generalized-linear-model  goodness-of-fit  data-visualization  r  time-series  arima  autoregressive  confidence-interval  r  time-series  arima  autocorrelation  seasonality  hypothesis-testing  bayesian  frequentist  uninformative-prior  correlation  matlab  cross-correlation 

Considere la pérdida cuadrática , con la anterior donde . Sea la probabilidad. Encuentre el estimador de Bayes .L(θ,δ)=(θ−δ)2L(θ,δ)=(θ−δ)2L(\theta,\delta)=(\theta-\delta)^2π(θ)π(θ)\pi(\theta)π(θ)∼U(0,1/2)π(θ)∼U(0,1/2)\pi(\theta)\sim U(0,1/2)f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|\theta)=\theta x^{\theta-1}\mathbb{I}_{[0,1]}(x), \theta>0δπδπ\delta^\pi Considere la pérdida cuadrática ponderada donde con anterior . Sea sea ​​la probabilidad. Encuentre el estimador de Bayes .Lw(θ,δ)=w(θ)(θ−δ)2Lw(θ,δ)=w(θ)(θ−δ)2L_w(\theta,\delta)=w(\theta)(\theta-\delta)^2w(θ)=I(−∞,1/2)w(θ)=I(−∞,1/2)w(\theta)=\mathbb{I}_{(-\infty,1/2)}π1(θ)=I[0,1](θ)π1(θ)=I[0,1](θ)\pi_1(\theta)=\mathbb{I}_{[0,1]}(\theta)f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|\theta)=\theta x^{\theta-1}\mathbb{I}_{[0,1]}(x), \theta>0δπ1δ1π\delta^\pi_1 Compare yδπδπ\delta^\piδπ1δ1π\delta^\pi_1 Primero noté que , y …

9 self-study  bayesian  estimation  hierarchical-bayesian  loss-functions 

Estoy estimando varias matrices de covarianza inversa de un conjunto de mediciones a través de diferentes subpoblaciones usando un wishart anterior en jags / rjags / R. En lugar de especificar una matriz de escala y grados de libertad en la matriz de covarianza inversa anterior (la distribución de Wishart), …

9 bayesian  covariance  prior  wishart  hierarchical-bayesian 

Estoy buscando estimar un GLM jerárquico pero con selección de características para determinar qué covariables son relevantes a nivel de población para incluir. Supongamos que tengo grupos con observaciones y posibles covariables. Es decir, tengo una matriz de diseño de covariables , resultados \ boldsymbol {y} _ {(N \ cdot …

8 machine-learning  bayesian  feature-selection  hierarchical-bayesian  shrinkage 

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 

Como parte de la reproducción de un modelo que describí parcialmente en esta pregunta sobre Stack Overflow, quiero obtener un diagrama de una distribución posterior. El modelo (espacial) describe el precio de venta de algunas propiedades como una distribución de Bernoulli dependiendo de si la propiedad es cara (1) o …

8 prediction  spatial  posterior  hierarchical-bayesian  pymc 

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 

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 

En una implementación MCMC de modelos jerárquicos, con efectos aleatorios normales y un Wishart previo para su matriz de covarianza, se usa típicamente el muestreo de Gibbs. Sin embargo, si cambiamos la distribución de los efectos aleatorios (p. Ej., A Student's-t u otro), la conjugación se pierde. En este caso, …

8 mcmc  hierarchical-bayesian  metropolis-hastings 

¿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 

Digamos que tengo un experimento en el que pruebo el tiempo de reacción de varios sujetos en los que cada sujeto realiza muchas pruebas de tiempo de reacción. En un marco bayesiano, los tiempos de reacción (yyy) podría modelarse mediante un modelo jerárquico con distribución previa tanto a nivel de …

8 bayesian  jags  psychology  hierarchical-bayesian