Запитання з тегом «likelihood»

Чи є приклад, коли два різних тести, що захищаються, з пропорційною ймовірністю призвели б до помітно різних (і однаково захищаються) висновків, наприклад, де значення p є порядком величин, але потужність до альтернатив аналогічна? Усі приклади, які я бачу, є дуже нерозумними, порівнюючи двочлен з негативним двочленним, де р-значення першого становить …

20 mathematical-statistics  likelihood  philosophical  likelihood-principle 

У коментарі, нещодавно опублікованому тут, один із коментаторів вказав на блог Ларрі Вассермана, який зазначає (без жодних джерел), що частота виводки суперечить принципу ймовірності. Принцип ймовірності просто говорить, що експерименти, що дають подібні функції ймовірності, повинні давати аналогічні умовиводи. Дві частини цього питання: Які частини, аромат чи школа частого виведення …

19 inference  likelihood  frequentist  likelihood-principle 

Розглянемо вектор параметрів , з параметром, що цікавить, і параметром неприємності.θ 1 θ 2(θ1,θ2)(θ1,θ2)(\theta_1, \theta_2)θ1θ1\theta_1θ2θ2\theta_2 Якщо є ймовірність, побудована з даних , вірогідність профілю для визначається як де є MLE для фіксованого значення .х & thetas 1 L P ( & thetas 1 ; х ) = L ( θ …

19 maximum-likelihood  likelihood  profile-likelihood 

Я читаю документ, де автори ведуть з обговорення максимальної оцінки ймовірності до теореми Байєса, нібито як вступу для початківців. Як імовірний приклад, вони починаються з біноміального розподілу: p(x|n,θ)=(nx)θx(1−θ)n−xp(x|n,θ)=(nx)θx(1−θ)n−xp(x|n,\theta) = \binom{n}{x}\theta^x(1-\theta)^{n-x} а потім запишіть обидві сторони ℓ(θ|x,n)=xln(θ)+(n−x)ln(1−θ)ℓ(θ|x,n)=xln⁡(θ)+(n−x)ln⁡(1−θ)\ell(\theta|x, n) = x \ln (\theta) + (n-x)\ln (1-\theta) з обґрунтуванням, що: "Оскільки ймовірність визначається …

19 bayesian  likelihood  definition  philosophical 

Я намагаюсь зрозуміти на більш глибокому рівні всюдисутність імовірності логарифма (і, можливо, більш загальної логістичної ймовірності) в статистиці та теорії ймовірностей. Імовірності журналу з'являються всюди: ми зазвичай працюємо з логопедичністю для аналізу (наприклад, для максимізації), інформація про Фішера визначається з точки зору другої похідної вірогідності журналу, ентропія - очікувана вірогідність …

18 probability  bayesian  likelihood  log-likelihood 

Часто стверджується, що байєсівська рамка має велику перевагу в інтерпретації (над частотою), оскільки вона обчислює ймовірність параметра, заданого даними - замість як у частістські рамки. Все йде нормально.p ( x | θ )p ( θ | x )p(θ|x)p(\theta|x)p ( x | θ )p(x|θ)p(x|\theta) Але, ціле рівняння засноване на: p ( …

18 bayesian  interpretation  prior  likelihood  posterior 

В даний час я намагаюся зрозуміти Принцип ймовірності, і я, відверто кажучи, не розумію цього. Отже, я запишу все своє запитання як список, навіть якщо це можуть бути досить основними питаннями. Що саме означає фраза "вся інформація" в контексті цього принципу? (як і вся інформація у вибірці міститься у функції …

17 bayesian  likelihood  likelihood-principle 

Суть мого питання полягає в наступному: Нехай - багатоваріантна нормальна випадкова величина із середнім та матрицею коваріації . Нехай , тобто . Як я порівняю AIC моделі, придатної до спостережуваних реалізацій порівняно з моделлю, придатною до спостережуваних реалізацій ?Y∈RnY∈RnY \in \mathbb{R}^nμμ\muΣΣ\SigmaZ:=log(Y)Z:=log⁡(Y)Z := \log(Y)Zi=log(Yi),i∈{1,…,n}Zi=log⁡(Yi),i∈{1,…,n}Z_i = \log(Y_i), i \in \{1,\ldots,n\}YYYZZZ Моє початкове …

17 data-transformation  aic  likelihood 

Орієнтовна обчислення Байєса - це дійсно класна методика підгонки в основному будь-якої стохастичної моделі, призначена для моделей, де ймовірність не виправдана (скажімо, ви можете зробити вибірку з моделі, якщо ви фіксуєте параметри, але не можете чисельно, алгоритмічно чи аналітично обчислити ймовірність). При впровадженні аудиторії приблизних байєсівських обчислень (ABC) приємно використовувати …

16 bayesian  simulation  model  likelihood  abc 

Універсальний експоненціальний процес Хоукса - це захоплюючий точковий процес зі швидкістю прибуття події: λ(t)=μ+∑ti&lt;tαe−β(t−ti)λ(t)=μ+∑ti&lt;tαe−β(t−ti) \lambda(t) = \mu + \sum\limits_{t_i<t}{\alpha e^{-\beta(t-t_i)}} де - часи прибуття події.t1,..tnt1,..tn t_1,..t_n Функція вірогідності журналу є −tnμ+αβ∑(e−β(tn−ti)−1)+∑i&lt;jln(μ+αe−β(tj−ti))−tnμ+αβ∑(e−β(tn−ti)−1)+∑i&lt;jln⁡(μ+αe−β(tj−ti)) - t_n \mu + \frac{\alpha}{\beta} \sum{( e^{-\beta(t_n-t_i)}-1 )} + \sum\limits_{i<j}{\ln(\mu+\alpha e^{-\beta(t_j-t_i)})} які можна обчислити рекурсивно: −tnμ+αβ∑(e−β(tn−ti)−1)+∑ln(μ+αR(i))−tnμ+αβ∑(e−β(tn−ti)−1)+∑ln⁡(μ+αR(i)) - t_n \mu …

16 maximum-likelihood  stochastic-processes  likelihood 

Для даної проблеми висновку ми знаємо, що байєсівський підхід зазвичай відрізняється як за формою, так і за результатами підходу фекзиста. Часто лікарі (зазвичай включають мене) часто зазначають, що їхні методи не вимагають попереднього, а отже, більше "керованих даними", ніж "обґрунтованих судженнями". Звичайно, Байєсіанські можуть вказувати на неінформативні пріори, або, будучи …

15 bayesian  inference  likelihood  likelihood-ratio  frequentist 

Що таке філософія вольтметра та його варіацій? Ідея цього полягає в тому, що статистичний аналіз, який звертається до гіпотетичних подій, повинен був би бути переглянутий, якби згодом було зрозуміло, що ці гіпотетичні події не могли відбутися, як передбачалося. Версія історії в Вікіпедії наводиться нижче. Інженер малює випадковий зразок електронних трубок …

15 likelihood  frequentist 

Це запитання випливає із запитання: Коли (якщо взагалі колись) є частотистський підхід істотно кращий, ніж байєсівський? Як я публікував у своєму вирішенні цього питання, на мою думку, якщо ви є частою діяльністю, вам не доведеться вірити / дотримуватися принципу ймовірності, оскільки часто методи лікарів-чатувальників порушують це. Однак, і це, як …

14 bayesian  likelihood  likelihood-principle 

Я написав деякий код, який може робити фільтрацію Кальмана (використовуючи ряд різних фільтрів типу Кальмана [Інформаційний фільтр та ін.]) Для лінійного аналізу простору Гаусса для простору для n-мірного вектора стану. Фільтри чудово працюють, і я отримую хороший вихід. Однак, оцінка параметрів за допомогою оцінки логічності, мене бентежить. Я не статистик, …

13 maximum-likelihood  algorithms  kalman-filter  likelihood 

1. Проблема У мене є деякі вимірювання змінної , де , для яких у мене є розподіл отриманий через MCMC, що для простоти, я вважаю, є гауссом середнього значення та дисперсія . т = 1 , 2 , . . , n f y t ( y t ) μ …

13 time-series  mcmc  autoregressive  likelihood