Domande taggate «bayesian»

L'inferenza bayesiana è un metodo di inferenza statistica che si basa sul trattamento dei parametri del modello come variabili casuali e sull'applicazione del teorema di Bayes per dedurre dichiarazioni di probabilità soggettive sui parametri o ipotesi, subordinatamente al set di dati osservato.

2
Perché è necessario campionare dalla distribuzione posteriore se CONOSCIAMO già la distribuzione posteriore?
La mia comprensione è che quando si utilizza un approccio bayesiano per stimare i valori dei parametri: La distribuzione posteriore è la combinazione della distribuzione precedente e della distribuzione di probabilità. Simuliamo questo generando un campione dalla distribuzione posteriore (ad esempio, usando un algoritmo Metropolis-Hasting per generare valori e li …
5
Le statistiche bayesiane rendono obsoleta la meta-analisi?
Mi chiedo solo se le statistiche bayesiane sarebbero state applicate di conseguenza dal primo studio all'ultimo se ciò rendesse obsoleta una meta-analisi. Ad esempio, supponiamo che 20 studi siano stati condotti su diversi punti temporali. La stima o la distribuzione del primo studio è stata effettuata con un precedente non …
3
Perché le statistiche bayesiane non sono più popolari per il controllo statistico dei processi?
La mia comprensione del dibattito bayesiano vs frequentista è che le statistiche del frequentista: è (o afferma di essere) obiettivo o almeno imparziale così diversi ricercatori, usando ipotesi diverse, possono ancora ottenere risultati quantitativamente comparabili mentre le statistiche bayesiane afferma di fare previsioni "migliori" (cioè una perdita attesa inferiore), perché …
1
Posteriore normale multivariata
Questa è una domanda molto semplice ma non riesco a trovare la derivazione da nessuna parte su Internet o in un libro. Vorrei vedere la derivazione di come un bayesiano aggiorna una distribuzione normale multivariata. Ad esempio: immagina P(x|μ,Σ)P(μ)==N(μ,Σ)N(μ0,Σ0).P(x|μ,Σ)=N(μ,Σ)P(μ)=N(μ0,Σ0). \begin{array}{rcl} \mathbb{P}({\bf x}|{\bf μ},{\bf Σ}) & = & N({\bf \mu}, {\bf …
4
Quando sono preferibili i metodi bayesiani al frequentista?
Voglio davvero conoscere le tecniche bayesiane, quindi ho cercato di insegnarmi un po '. Tuttavia, ho difficoltà a vedere quando si usano le tecniche bayesiane per conferire un vantaggio ai metodi frequentisti. Ad esempio: ho visto in letteratura un po 'su come alcuni usano priori informativi mentre altri usano prima …
2
LASSO e cresta dal punto di vista bayesiano: che dire del parametro tuning?
Stimatori di regressione penalizzati come LASSO e cresta corrispondono a stimatori bayesiani con alcuni priori. Immagino (dato che non conosco abbastanza le statistiche bayesiane) che per un parametro di accordatura fisso esiste un precedente corrispondente concreto. Ora un frequentista ottimizzerebbe il parametro di ottimizzazione mediante validazione incrociata. Esiste un equivalente …
1
Esiste un'interpretazione bayesiana della regressione lineare con la regolarizzazione simultanea L1 e L2 (nota anche come rete elastica)?
È noto che la regressione lineare con una penalità equivale a trovare la stima MAP data un precedente gaussiano sui coefficienti. Allo stesso modo, usare una penalità l 1 equivale a usare una distribuzione di Laplace come precedente.l2l2l^2l1l1l^1 Non è raro usare una combinazione ponderata di e l 2 regolarizzazione. …
Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.