Запитання з тегом «bayesian»

Моделі упереджених монет зазвичай мають один параметр . Один із способів оцінити з серії малюнків - це використовувати попередній бета-версію та обчислити задній розподіл з вірогідністю бінома.θθ=P(Head|θ)θ=P(Head|θ)\theta = P(\text{Head} | \theta)θθ\theta У моїх налаштуваннях через якийсь дивний фізичний процес мої властивості монети повільно змінюються і стає функцією часу . Мої …

10 time-series  bayesian  kalman-filter 

Припустимо , у мене є «експертів», з яких я хотів би, щоб викликати попередній розподіл по деякої змінної X . Я хотів би мотивувати їх реальними грошима . Ідея полягає у тому, щоб викликати пріори, спостерігати за n реалізаціями випадкової величини X , а потім розкривати деякий заздалегідь визначений "гаманець" …

10 bayesian  prior 

Натхненний цим питанням, зокрема "Проблемою 3": Задні розподіли дещо складніше включити в метааналіз, якщо тільки не наводиться частотистський параметричний опис розподілу. Нещодавно я багато думав над тим, як включити метааналіз в байєсівську модель - насамперед як джерело пріорів - але як рухатись до цього іншого напрямку? Якщо байєсівський аналіз справді …

10 bayesian  meta-analysis 

У мене було достатньо курсів зі статистики в шкільні роки та в університеті. Я добре розумію такі поняття, як, CI, p-значення, інтерпретація статистичної значущості, багаторазове тестування, кореляція, проста лінійна регресія (з найменшими квадратами) (загальні лінійні моделі) та всі тести гіпотези. Мене знайомили з цим більшу частину ранніх часів здебільшого математично. …

10 bayesian  references  maximum-likelihood  generalized-linear-model 

Проблема Я пишу функцію R, яка виконує байєсівський аналіз, щоб оцінити задню щільність за даними попередніх даних та даних. Я хотів би, щоб функція надсилала попередження, якщо користувачеві потрібно переглянути попереднє. У цьому питанні мені цікаво дізнатися, як оцінити попереднє. Попередні питання висвітлювали механіку викладу інформованих пріорів ( тут і …

10 distributions  probability  bayesian 

Я працюю в галузі видобутку даних і мало офіційне навчання статистики. Останнім часом я читав багато робіт, присвячених байєсівським парадигмам для вивчення та видобутку, які мені здаються дуже цікавими. Моє запитання: (у кількох частинах), враховуючи проблему, чи існує загальна рамка, за якою можна побудувати статистичну модель? Які перші дії ви …

10 bayesian  modeling  references  eda 

Закрито . Це питання ґрунтується на думці . Наразі відповіді не приймаються. Хочете вдосконалити це питання? Оновіть питання, щоб на нього можна було відповісти фактами та цитатами, відредагувавши цю публікацію . Закритий минулого року . Переглядаючи область досліджень 100 найпопулярніших програм статистики новин США, майже всі вони важкі в баєсівській …

10 bayesian  frequentist 

Процес Поріса і Гаусса Діріхле часто називають "розподілами по функціях" або "розподілами над розподілами". У цьому випадку я можу змістовно говорити про щільність функції під GP? Тобто, чи мають процес Гаусса чи Діріхле певне поняття щільності ймовірності? Якщо це не так, як ми можемо використовувати правило Байєса переходити до переднього, …

10 machine-learning  probability  bayesian  nonparametric  nonparametric-bayes 

Цікаво, чи умовні ймовірності характерні лише для байєсіанства, чи вони є більш загальною концепцією, яка поділяється серед кількох шкіл думки серед людей статистики / ймовірності. Я начебто припускаю, що це так, тому що я припускаю, що ніхто не може виглядати логічно, тому я думаю, що часто лікарі теоретично погоджуються, застерігаючи …

10 bayesian  conditional-probability 

Коли я почав читати про фільтр Кальмана, то подумав, що це особливий випадок моделі ARIMA (а саме ARIMA (0,1,1)). Але насправді здається, що ситуація складніша. Перш за все, ARIMA можна використовувати для прогнозування, а фільтр Kalman - для фільтрації. Але вони не тісно пов'язані? Питання: Який взаємозв'язок між фільтрами ARIMA …

10 time-series  bayesian  arima  kalman-filter 

У статті під назвою " Глибоке навчання та принцип інформації " автори вказують у розділі II А) наступне: Одиничні нейрони класифікують лише лінійно відокремлювані входи, оскільки вони можуть реалізовувати лише гіперплани у своєму вхідному просторі . Гіперплани можуть оптимально класифікувати дані, коли входи є умовнонезалежними.u = w h + bу=шгод+бu …

10 bayesian  neural-networks  information-theory 

У мене є набір даних із трьома змінними, де всі змінні є кількісними. Нехай називаємо це , та . Я підганяю регресійну модель в байєсівській перспективі через MCMCуyyх1x1x_1х2x2x_2rjags Я зробив дослідницький аналіз, і розсіювання дозволяє припустити використання квадратичного терміна. Тоді я прилаштував дві моделіу×х2y×x2y\times x_2 (1)у=β0+β1∗х1+β2∗х2у=β0+β1∗х1+β2∗х2y=\beta_0+\beta_1*x_1+\beta_2*x_2 (2)у=β0+β1∗ x 1 +β2∗х2+β3∗х1х2+β4∗х21+β5∗х22у=β0+β1∗х1+β2∗х2+β3∗х1х2+β4∗х12+β5∗х22y=\beta_0+\beta_1*x1+\beta_2*x_2+\beta_3*x_1x_2+\beta_4*x_1^2+\beta_5*x_2^2 …

10 bayesian  feature-selection  model-selection  model  credible-interval 

Якщо я використовую Jeffreys раніше для параметра біноміальної ймовірності θθ\theta то це означає використання a θ∼beta(1/2,1/2)θ∼beta(1/2,1/2)\theta \sim beta(1/2,1/2) розповсюдження. Якщо я перетворяться на нову систему відліку ϕ=θ2ϕ=θ2\phi = \theta^2 то чітко ϕϕ\phi також не поширюється як beta(1/2,1/2)beta(1/2,1/2)beta(1/2,1/2) розповсюдження. Моє запитання в тому, в чому сенс Джеффрі інваріантний репараметеризації? Я думаю, …

10 bayesian  jeffreys-prior 

Або які умови це гарантують? Взагалі (і не тільки нормальні та біноміальні моделі) я вважаю, що головна причина, яка порушила цю заяву, полягає в тому, що між моделлю вибірки та попередньою є невідповідність, але що ще? Я починаю з цієї теми, тому дуже ціную легкі приклади

10 bayesian  variance  information-theory 

Мене збентежує те, як оцінити задній прогнозний розподіл за лінійною регресією Байєса, минулий основний випадок, описаний тут на сторінці 3, і скопійований нижче. р (у~∣ у) = ∫р (у~∣ β,σ2) p ( β,σ2∣ у)p(y~∣y)=∫p(y~∣β,σ2)p(β,σ2∣y) p(\tilde y \mid y) = \int p(\tilde y \mid \beta, \sigma^2) p(\beta, \sigma^2 \mid y) Основний …

10 regression  bayesian  predictive-models  prediction  posterior