Preguntas etiquetadas con stan

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 

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 

Estaba revisando la documentación de Stan que se puede descargar desde aquí . Estaba particularmente interesado en su implementación del diagnóstico Gelman-Rubin. El artículo original Gelman y Rubin (1992) define el factor de reducción de escala potencial (PSRF) de la siguiente manera: Deje que sea ​​la ésima cadena de Markov …

16 mcmc  convergence  gibbs  metropolis-hastings  stan 

Acabo de empezar a aprender a usar Stan y rstan. A menos que siempre haya estado confundido acerca de cómo funcionaba JAGS / BUGS, pensé que siempre tenía que definir una distribución previa de algún tipo para cada parámetro del modelo que se extraería. Sin embargo, parece que no tiene …

14 mcmc  prior  jags  graphical-model  stan 

Acabo de empezar a construir modelos en Stan ; para familiarizarme con la herramienta, estoy trabajando en algunos de los ejercicios en Bayesian Data Analysis (2nd ed.). El ejercicio Waterbuck supone que los datos , con ( N , θ ) desconocido. Desde hamiltoniano Monte Carlo no permite parámetros discretos, …

13 bayesian  mcmc  discrete-data  stan 

En su página wiki , los desarrolladores del estado de Stan: Algunos principios que no nos gustan: invariancia, Jeffreys, entropía En cambio, veo muchas recomendaciones de distribución normal. Hasta ahora utilicé métodos bayesianos que no dependían del muestreo, y me alegré de haber entendido por qué fue una buena opción …

11 bayesian  mcmc  prior  pymc  stan 

Estoy tratando de construir un modelo donde la respuesta sea proporcional (en realidad es la proporción de votos que un partido obtiene en los distritos electorales). Su distribución no es normal, así que decidí modelarla con una distribución beta. También tengo varios predictores. Sin embargo, no sé cómo escribirlo en …

10 bayesian  jags  bugs  beta-regression  stan 

¿Stan (en particular, rstan) tiene instalaciones incorporadas para generar distribuciones posteriores predictivas? No es difícil generar la distribución desde el ajuste estándar, pero prefiero no reinventar la rueda.

9 bayesian  posterior  stan 

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