Запитання з тегом «bayesian»

Чи існує сполучник до розподілу Лапласа ? Якщо ні, то чи відомий вираз закритої форми, який наближає до заднього для параметрів розподілу Лапласа? Я гуляв досить багато, не маючи успіху, тому моє теперішнє здогадка "ні" на вищезазначені питання ...

13 bayesian  conjugate-prior  laplace-distribution 

Я тільки почав будувати моделі в квартирі ; щоб побудувати знайомство з інструментом, я працюю над деякими вправами в баєсовському аналізі даних (2-е видання). У Waterbuck вправу передбачає , що дані , з невідомо. Оскільки Гамільтоніан Монте-Карло не дозволяє дискретні параметри, я оголосив N як справжній \ у [72, \ …

13 bayesian  mcmc  discrete-data  stan 

Отримуючи зразки MCMC, щоб зробити висновок за певним параметром, які хороші орієнтири щодо мінімальної кількості ефективних вибірок, на які слід прагнути? І чи змінюється ця порада, коли модель стає більш-менш складною?

13 bayesian  sample-size  mcmc  posterior 

Я намагаюся запустити байєсівський логіт на даних тут . Я використовую bayesglm()в armпакеті в Р. Кодування досить просто: df = read.csv("http://dl.dropbox.com/u/1791181/bayesglm.csv", header=T) library(arm) model = bayesglm(PASS ~ SEX + HIGH, family=binomial(link="logit"), data=df) summary(model) дає такий вихід: Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) 0.10381 0.10240 1.014 0.311 SEXMale 0.02408 …

13 r  bayesian  p-value 

Припустимо, у нас є набір точок . Кожна точка формується за допомогою розподілу Для отримання posterior для пишемо Згідно зі статтею Мінка на Очікування поширення нам необхідно 2 ^ N обчислення , щоб отримати задній р (х | \ mathbf {у}) і, таким чином, проблема стає нерозв'язною для великих розмірів …

13 bayesian  mixture  posterior 

Я бачив посилання на вивчення баєсівської теорії ймовірностей в R, і мені було цікаво, чи є щось подібне, можливо, конкретно в Python? Орієнтований на вивчення байєсівської теорії ймовірностей, умовиводу, максимальної оцінки ймовірності, графічних моделей і подібного роду?

13 machine-learning  bayesian  python  graphical-model 

Зачинено. Це питання поза темою . Наразі відповіді не приймаються. Хочете вдосконалити це питання? Оновіть питання, щоб воно було тематичним для перехресної перевірки. Закритий минулого року . Я стежу за курсом байєсівської статистики за допомогою BUGS та R. Тепер я вже знаю BUGS, це чудово, але я не дуже люблю …

13 r  bayesian  bugs 

У відповідь на зростаючу групу статистиків та дослідників, які критикують корисність тестування гіпотез (NHT) для науки як сукупного зусилля, Американська спеціальна група психологічних асоціацій зі статистичних висновків уникала прямої заборони НТГ, але натомість запропонувала дослідникам повідомляти розміри ефекту на додаток до p-значень, отриманих від NHT. Однак розміри ефектів не просто …

13 bayesian  confidence-interval  effect-size  inference 

Я б хотів автоматизувати вибір спалювання для ланцюга MCMC, наприклад, видаливши перші n рядів на основі діагностики конвергенції. Наскільки цей крок може бути безпечно автоматизований? Навіть якщо я все ще перевіряю автокореляцію, mcmc слід та pdfs, було б непогано мати вибір довжини спалювання автоматизованим. Моє запитання загальне, але було б …

13 r  bayesian  mcmc 

Вивчення байєсівської статистики вперше; як кут до розуміння MCMC я задумався: чи це робиться щось, що принципово не можна зробити іншим способом, чи це просто робити щось набагато ефективніше, ніж альтернативи? Для ілюстрації, припустимо, що ми намагаємося обчислити ймовірність наших параметрів за даними даною моделлю, яка обчислює навпаки, . Щоб …

13 bayesian  mcmc 

Класифікатор Naive Bayes - це класифікатор, який присвоює елементи хxx класу СCC на основі максимізації заднього П( С| х)P(C|x)P(C|x) для приналежності до класу, і передбачає, що функції елементів не залежать. Втрата 0-1 - це втрата, яка присвоює будь-якій помилковій класифікації втрату "1", а втрату "0" - будь-якій правильній класифікації. Я …

13 machine-learning  bayesian  optimization  naive-bayes  loss-functions 

Я намагаюся обчислити 95% достовірний інтервал наступного заднього розподілу. Я не зміг знайти для нього функцію в R, але правильний підхід нижче? x <- seq(0.4,12,0.4) px <- c(0,0, 0, 0, 0, 0, 0.0002, 0.0037, 0.018, 0.06, 0.22 ,0.43, 0.64,0.7579, 0.7870, 0.72, 0.555, 0.37, 0.24, 0.11, 0.07, 0.02, 0.009, 0.005, 0.0001, …

13 bayesian  descriptive-statistics  credible-interval 

Я досить новачок у галузі гауссових процесів і як вони застосовуються в машинному навчанні. Я продовжую читати та чути про те, що функції коваріації є головною привабливістю цих методів. То чи міг би хто-небудь пояснити інтуїтивно, що відбувається в цих коваріаційних функціях? В іншому випадку, якщо ви можете вказати на …

13 machine-learning  probability  bayesian 

Я відтворюю з нуля результати в розділі 4.2.1 від Гранична ймовірність виходу Гіббса Сіддхартха Чиб Журнал Американської статистичної асоціації, Vol. 90, № 432. (груд., 1995), стор 1313-1321. Це суміш нормальної моделі з відомим числом k≥1k≥1k\geq 1 компонентів. f(x∣w,μ,σ2)=∏i=1n∑j=1kN(xi∣μj,σ2j).(∗)f(x∣w,μ,σ2)=∏i=1n∑j=1kN(xi∣μj,σj2).(∗) f(x\mid w,\mu,\sigma^2) =\prod_{i=1}^n\sum_{j=1}^k \mathrm{N}(x_i\mid\mu_j,\sigma_j^2) \, . \qquad (*) z=(z1,…,zn)z=(z1,…,zn)z=(z_1,\dots,z_n)1,…,k1,…,k1,\dots,k f ( x …

13 bayesian  mixture  gibbs 

Зараз я читаю чудову книгу Крушке "Проведення байєсівського аналізу даних". Однак глава про ієрархічну логістичну регресію (глава 20) дещо заплутаний. На рисунку 20.2 описана ієрархічна логістична регресія, де параметр Бернуллі визначений як лінійна функція на коефіцієнти, перетворені через сигмоподібну функцію. Це, мабуть, є ієрархічною логістичною регресією у більшості прикладів, які …

13 regression  bayesian  logistic  multilevel-analysis