Запитання з тегом «bayesian»

Якщо пріоритет і ймовірність сильно відрізняються один від одного, то іноді виникає ситуація, коли задній не схожий ні на один. Дивіться, наприклад, цю картинку, яка використовує звичайні розподіли. Хоча це математично правильно, це, схоже, не відповідає моїй інтуїції - якщо дані не збігаються з моїми твердими переконаннями або даними, я …

21 bayesian  prior  posterior  likelihood 

Деякі дистрибутиви мають сполучені пріори, а деякі -. Це розрізнення лише випадковість? Тобто ви займаєтесь математикою, і це працює так чи інакше, але це насправді не говорить вам нічого важливого про розподіл, крім самого факту? Або наявність чи відсутність сполучників попередньо відображає якусь глибшу властивість розподілу? Чи поділяються дистрибутиви зі …

21 bayesian  mathematical-statistics  conjugate-prior 

Коли я кодую імітацію Монте-Карло для якоїсь проблеми, і модель досить проста, я використовую дуже базовий вибірковий зразок підручника Гіббса. Коли неможливо використовувати вибірку Гіббса, я кодую підручник «Метрополіс-Гастінгс», про який я дізнався роки тому. Єдина думка, яку я йому приділяю, - це вибір стрибкового розподілу або його параметрів. Я …

21 bayesian  mcmc  gibbs  metropolis-hastings 

Нещодавно я взявся за пристосування регресійних змішаних моделей у байєсівській основі, використовуючи алгоритм MCMC (фактично функція MCMCglmm в R). Я вважаю, що я зрозумів, як діагностувати конвергенцію процесу оцінки (слід, графік гевеке, автокореляція, задній розподіл ...). Одне з того, що мене вражає в байєсівських рамках, - це те, що, здається, …

21 r  bayesian  mixed-model  mcmc  residuals 

Мені цікаво дізнатись більше про непараметричні байєсівські (та пов'язані з ними) методики. Моє знання в галузі інформатики, і хоча я ніколи не брав курс з теорії вимірювань або теорії ймовірностей, у мене був обмежений обсяг формальної підготовки з питань ймовірності та статистики. Хтось може порекомендувати читати вступ до цих понять, …

21 probability  bayesian  references  theory 

Я використовую звичайні розподіли журналу як попередні розподіли для параметрів масштабу (для звичайних розподілів, t розподілів і т. Д.), Коли маю грубе уявлення про те, яким повинен бути масштаб, але хочу помилитися, сказавши, що я не знаю багато про це. Я використовую його, тому що таке використання має для мене …

21 distributions  bayesian  modeling  prior  maximum-entropy 

Мені потрібно реалізувати програму, яка класифікує записи на 2 категорії (правда / хибність) на основі деяких навчальних даних, і мені було цікаво, на який алгоритм / методологію я повинен дивитись. Здається, що їх вибирати дуже багато - штучна нейронна мережа, генетичний алгоритм, машинне навчання, байєсова оптимізація тощо тощо, і я …

21 machine-learning  bayesian  optimization  genetic-algorithms 

За допомогою пакетів Stan і Frontend rstanarmабо brmsя можу легко проаналізувати дані байєсівським способом, як я це робив раніше при змішаних моделях, таких як lme. Хоча я маю на своєму столі більшість книг та статей Крушке-Гельмана-Вагенмакера тощо, вони не розповідають, як підводити результати для медичної аудиторії, розірваної між гнівом Скілла …

21 statistical-significance  bayesian  stan  credible-interval  medicine 

Фон Однією з найбільш часто використовуваних слабких до зміни дисперсії є зворотна гамма з параметрами (Gelman 2006) .α=0.001,β=0.001α=0.001,β=0.001\alpha =0.001, \beta=0.001 Однак цей розподіл має 90% приблизно .[3×1019,∞][3×1019,∞][3\times10^{19},\infty] library(pscl) sapply(c(0.05, 0.95), function(x) qigamma(x, 0.001, 0.001)) [1] 3.362941e+19 Inf З цього я трактую, що дає низьку ймовірність того, що дисперсія буде дуже …

21 bayesian  multilevel-analysis  prior 

Я маю справу з Баєсовою ієрархічною лінійною моделлю , тут мережа описує її. YYY являє собою щоденний продаж товару в супермаркеті (спостерігається). ХXX - відома матриця регресорів, що включає ціни, акції, день тижня, погоду, свята. 1SSS - невідомий латентний рівень запасів кожного товару, який викликає найбільшу кількість проблем і який …

20 regression  bayesian  neural-networks  generalized-linear-model  bayesian-network 

Я щойно читав про вибірку Гіббса та алгоритм Metropolis Hastings і маю пару питань. Як я розумію, у випадку вибірки Гіббса, якщо у нас є велика багатоваріантна проблема, ми беремо вибірку з умовного розподілу, тобто вибірки однієї змінної, зберігаючи всі інші фіксованими, тоді як у MH ми робимо вибірку від …

20 bayesian  sampling  mcmc  gibbs  metropolis-hastings 

Розгляньте правоцензуровані спостереження з подіями в часи . Кількість сприйнятливих особин за разт1, т2, …т1,т2,…t_1, t_2, \dots це п я , а число подій в момент часу я є d I .iiiнiнin_iiiiгiгid_i Каплан-Мейєр або оцінювач продукту виникає природно як MLE, коли функцією виживання є ступінчаста функція . Правдоподібності , то …

20 bayesian  survival  kaplan-meier 

Мене викликали на чергування присяжних. Я усвідомлюю важливість статистики для деяких судових процесів присяжних. Наприклад, поняття "базовий показник" та його застосування до ймовірнісних розрахунків іноді - можливо, завжди - актуальне. Які статистичні теми може корисно вивчати людина в моїй ситуації та які матеріали підходять для когось із мого походження? Я …

20 probability  bayesian  references 

Я використовував багаторазову імпутацію, щоб отримати ряд завершених наборів даних. Я використовував байєсівські методи для кожного із завершених наборів даних для отримання заднього розподілу параметра (випадковий ефект). Як можна об'єднати / об'єднати результати для цього параметра? Більше контексту: Моя модель є ієрархічною у розумінні окремих учнів (одне спостереження на одного …

20 bayesian  mixed-model  missing-data 

Я дізнався про байєсівську статистику, і часто читав у статтях "ми застосовуємо байєсівський підхід" чи щось подібне. Я також помічала, рідше: "ми застосовуємо повністю байєсівський підхід" (мій акцент). Чи є різниця між цими підходами в будь-якому практичному чи теоретичному сенсі? FWIW, я використовую пакет MCMCglmmв R на випадок, коли це …

20 bayesian