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
Esempio per un precedente, che a differenza di Jeffreys, porta a un posteriore che non è invariante
Sto ripubblicando una "risposta" a una domanda che avevo posto due settimane fa qui: Perché è utile il Jeffreys? Era davvero una domanda (e non avevo nemmeno il diritto di pubblicare commenti in quel momento), quindi spero sia giusto farlo: Nel link sopra si discute che l'interessante caratteristica di Jeffreys …
1
Domande sul principio di verosimiglianza
Attualmente cerco di capire il principio di verosimiglianza e sinceramente non lo capisco affatto. Quindi, scriverò tutte le mie domande come un elenco, anche se quelle potrebbero essere domande piuttosto elementari. Cosa significa esattamente "tutte le informazioni" nel contesto di questo principio? (come in tutte le informazioni in un campione …
4
In quali condizioni coincidono gli stimatori dei punti bayesiani e frequentisti?
Con un precedente piatto, gli stimatori ML (frequentista - massima probabilità) e MAP (bayesiano - massimo a posteriori) coincidono. Più in generale, tuttavia, sto parlando di stimatori puntuali derivati ​​come ottimizzatori di alcune funzioni di perdita. ie (Bayesiana) x (x^(.)=argminE(L(X−x^(y))|y) (Bayesian) x^(.)=argminE(L(X−x^(y))|y) (Bayesian) \hat x(\,. ) = \text{argmin} \; \mathbb{E} …
2
Frequentismo e priori
Robby McKilliam dice in un commento a questo post: Va sottolineato che, dal punto di vista dei frequentisti, non vi è alcun motivo per cui non è possibile incorporare le conoscenze precedenti nel modello. In questo senso, la visione frequentista è più semplice, hai solo un modello e alcuni dati. …
2
Panorama statistico
Qualcuno ha scritto un breve sondaggio sui vari approcci alla statistica? Per una prima approssimazione si hanno statistiche frequentiste e bayesiane. Ma quando guardi più da vicino hai anche altri approcci come il Bayes empirico e verosimile. E poi hai suddivisioni all'interno di gruppi come obiettivi Bayes soggettivi Bayes all'interno …
2
Analisi bayesiana non parametrica in R
Sto cercando un buon tutorial sul clustering dei dati Rusando il processo gerarchico di dirichlet (HDP) (uno dei metodi bayesiani non parametrici recenti e popolari). C'è DPpackage(IMHO, il più completo di tutti quelli disponibili) Rper l'analisi bayesiana non parametrica. Ma non sono in grado di comprendere R Newsabbastanza bene gli …
2
Qualcuno può spiegarmi le NOCI in inglese?
La mia comprensione dell'algoritmo è la seguente: Nessun campionatore di inversione a U (NUTS) è un metodo Monte Carlo Hamiltoniano. Ciò significa che non è un metodo a catena di Markov e, quindi, questo algoritmo evita la parte di camminata casuale, che è spesso considerata inefficiente e lenta a convergere. …
2
Quale sarebbe un esempio di un modello davvero semplice con una probabilità intrattabile?
Il calcolo approssimativo bayesiano è una tecnica davvero interessante per adattarsi praticamente a qualsiasi modello stocastico, destinato a modelli in cui la probabilità è intrattabile (diciamo, è possibile campionare dal modello se si correggono i parametri ma non è possibile calcolare numericamente, algoritmicamente o analiticamente la probabilità). Quando si introduce …
2
Stima bayesiana di
Questa domanda è un seguito tecnico di questa domanda . Ho difficoltà a comprendere e replicare il modello presentato in Raftery (1988): Inferenza per il parametro binomiale NNN : un approccio gerarchico di Bayes in WinBUGS / OpenBUGS / JAGS. Non si tratta solo di codice, quindi dovrebbe essere in …
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.