Preguntas etiquetadas con posterior

Actualmente estoy estimando los parámetros de un modelo definido por varias ecuaciones diferenciales ordinarias (EDO). Intento esto con un enfoque bayesiano al aproximar la distribución posterior de los parámetros dados algunos datos usando Markov Chain Monte Carlo (MCMC). Un muestreador MCMC genera una cadena de valores de parámetros donde utiliza …

8 bayesian  mcmc  posterior 

Comunidad SE, espero obtener algunas ideas sobre el siguiente problema. Dado un modelo de regresión lineal simple Bajo una función de probabilidad gaussiana con términos de error homoscedastic, la distribución condicional de la variable dependiente toma la forma Asigno un conjugado condicional (no informativo) antes de \ beta y h …

8 regression  bayesian  variance  posterior  singular 

Soy relativamente nuevo en las estadísticas bayesianas, así que por favor sea gentil. Acabo de realizar Computación Bayesiana Aproximada (ABC) para la inferencia de un modelo multiparamétrico. Ahora estoy buscando realizar una verificación predictiva posterior de los parámetros que se han inferido. Lo que quiero saber es que, al muestrear …

8 bayesian  posterior  abc 

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 

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 

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 

Mi proyecto actual puede requerir que construya un modelo para predecir el comportamiento de un determinado grupo de personas. el conjunto de datos de entrenamiento contiene solo 6 variables (la identificación es solo para fines de identificación): id, age, income, gender, job category, monthly spend en el cual monthly spendestá …

8 modeling  large-data  overfitting  clustering  algorithms  error  spatial  r  regression  predictive-models  linear-model  average  measurement-error  weighted-mean  error-propagation  python  standard-error  weighted-regression  hypothesis-testing  time-series  machine-learning  self-study  arima  regression  correlation  anova  statistical-significance  excel  r  regression  distributions  statistical-significance  contingency-tables  regression  optimization  measurement-error  loss-functions  image-processing  java  panel-data  probability  conditional-probability  r  lme4-nlme  model-comparison  time-series  probability  probability  conditional-probability  logistic  multiple-regression  model-selection  r  regression  model-based-clustering  svm  feature-selection  feature-construction  time-series  forecasting  stationarity  r  distributions  bootstrap  r  distributions  estimation  maximum-likelihood  garch  references  probability  conditional-probability  regression  logistic  regression-coefficients  model-comparison  confidence-interval  r  regression  r  generalized-linear-model  outliers  robust  regression  classification  categorical-data  r  association-rules  machine-learning  distributions  posterior  likelihood  r  hypothesis-testing  normality-assumption  missing-data  convergence  expectation-maximization  regression  self-study  categorical-data  regression  simulation  regression  self-study  self-study  gamma-distribution  modeling  microarray  synthetic-data 

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 

Estoy tratando de calcular esta distribución posterior: (θ|−)=∏ni=1pyii(1−pi)1−yi∑allθ,pi|θ∏ni=1pyii(1−pi)1−yi(θ|−)=∏i=1npiyi(1−pi)1−yi∑allθ,pi|θ∏i=1npiyi(1−pi)1−yi (\theta|-)=\frac{\prod_{i=1}^{n}p_i^{y_i}(1-p_i)^{1-y_i}}{\sum_{\text{all}\,\theta,p_i|\theta}\prod_{i=1}^{n}p_i^{y_i}(1-p_i)^{1-y_i}} El problema es que el numerador, que es el producto de un montón de probabilidades es demasiado pequeño. (Mi es grande, alrededor de 1500).Bernoulli(pi,yi)Bernoulli(pi,yi)\text{Bernoulli}(p_i,y_i)nnn Por lo tanto, los valores posteriores para all se calculan como 0 (estoy haciendo cálculos en R).θθ\theta …

8 r  likelihood  posterior