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 il problema del disordine è intrattabile per campioni di grandi dimensioni?
Supponiamo di avere un insieme di punti y={y1,y2,…,yN}y={y1,y2,…,yN}\mathbf{y} = \{y_1, y_2, \ldots, y_N \} . Ogni punto yiyiy_i viene generato usando la distribuzione p(yi|x)=12N(x,1)+12N(0,10).p(yi|x)=12N(x,1)+12N(0,10). p(y_i| x) = \frac12 \mathcal{N}(x, 1) + \frac12 \mathcal{N}(0, 10). Per ottenere posteriore perxxxscriviamo p(x|y)∝p(y|x)p(x)=p(x)∏i=1Np(yi|x).p(x|y)∝p(y|x)p(x)=p(x)∏i=1Np(yi|x). p(x| \mathbf{y}) \propto p(\mathbf{y}| x) p(x) = p(x) \prod_{i = 1}^N …
1
Aiutami a capire i valori
Sto cercando di eseguire un log in bayesiano sui dati qui . Sto usando bayesglm()nel armpacchetto in R. La codifica è abbastanza semplice: df = read.csv("http://dl.dropbox.com/u/1791181/bayesglm.csv", header=T) library(arm) model = bayesglm(PASS ~ SEX + HIGH, family=binomial(link="logit"), data=df) summary(model) fornisce il seguente output: Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) …
13 r  bayesian  p-value 
1
Regressione logistica bayesiana regolarizzata in JAGS
Esistono diversi documenti matematici che descrivono il lazo bayesiano, ma voglio un codice JAGS testato e corretto che posso usare. Qualcuno potrebbe pubblicare un codice BUGS / JAGS di esempio che implementa la regressione logistica regolarizzata? Qualsiasi schema (L1, L2, Elasticnet) sarebbe fantastico, ma è preferito Lasso. Mi chiedo anche …
5
R solo alternative a BUGS [chiuso]
Chiuso. Questa domanda è fuori tema . Al momento non accetta risposte. Vuoi migliorare questa domanda? Aggiorna la domanda in modo che sia in argomento per Cross Validated. Chiuso 11 mesi fa . Sto seguendo un corso sulle statistiche bayesiane usando BUGS e R. Ora, conosco già BUGS, è fantastico …
13 r  bayesian  bugs 
1
I rapporti di probabilità e il confronto tra i modelli bayesiani offrono alternative superiori e sufficienti ai test di ipotesi nulla?
In risposta a un corpus crescente di statistici e ricercatori che criticano l'utilità dei test di ipotesi nulla (NHT) per la scienza come sforzo cumulativo, la Task Force sull'inferenza statistica dell'American Psychological Association ha evitato il divieto assoluto di NHT, ma ha invece suggerito che i ricercatori riporta le dimensioni …
3
Capire MCMC: quale sarebbe l'alternativa?
Imparare le statistiche bayesiane per la prima volta; come punto di vista verso la comprensione della MCMC, mi chiedevo: sta facendo qualcosa che fondamentalmente non può essere fatto in un altro modo o sta semplicemente facendo qualcosa di molto più efficiente delle alternative? A titolo di illustrazione, supponiamo di provare …
13 bayesian  mcmc 
2
Funzioni di covarianza o kernel: che cosa sono esattamente?
Sono piuttosto nuovo nel campo dei processi gaussiani e di come vengono applicati nell'apprendimento automatico. Continuo a leggere e ascoltare le funzioni di covarianza come l'attrazione principale di questi metodi. Qualcuno potrebbe spiegare in modo intuitivo cosa sta succedendo in queste funzioni di covarianza? Altrimenti, se potessi segnalare un tutorial …
1
Probabilità marginale dall'output di Gibbs
Sto riproducendo da zero i risultati nella Sezione 4.2.1 di Probabilità marginale dall'output di Gibbs Siddhartha Chib Journal of American Statistical Association, Vol. 90, n. 432. (dicembre 1995), pagg. 1313-1321. È una miscela di modello normale con numero noto k≥1k≥1k\geq 1 di componenti. f(x∣w,μ,σ2)=∏i=1n∑j=1kN(xi∣μj,σ2j).(∗)f(x∣w,μ,σ2)=∏i=1n∑j=1kN(xi∣μj,σj2).(∗) f(x\mid w,\mu,\sigma^2) =\prod_{i=1}^n\sum_{j=1}^k \mathrm{N}(x_i\mid\mu_j,\sigma_j^2) \, . …
2
Perché utilizzare una distribuzione beta sul parametro Bernoulli per la regressione logistica gerarchica?
Attualmente sto leggendo l'eccellente libro "Doing Bayesian Data Analysis" di Kruschke. Tuttavia, il capitolo sulla regressione logistica gerarchica (capitolo 20) è alquanto confuso. La Figura 20.2 descrive una regressione logistica gerarchica in cui il parametro di Bernoulli è definito come una funzione lineare sui coefficienti trasformati attraverso una funzione sigmoide. …
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.