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.

3
Il ricercatore 1 esegue 1000 regressioni, il ricercatore 2 esegue solo 1, entrambi ottengono gli stessi risultati: dovrebbero fare inferenze diverse?
Immagina che un ricercatore stia esplorando un set di dati ed esegua 1000 diverse regressioni e trova una relazione interessante tra loro. Ora immagina che un altro ricercatore con gli stessi dati esegua solo 1 regressione e si scopre che è lo stesso che l'altro ricercatore ha impiegato 1000 regressioni …
2
Affidabilità della modalità da un campione MCMC
Nel suo libro Doing Bayesian Data Analysis, John Kruschke afferma che usando JAGS di R ... la stima della modalità da un campione MCMC può essere piuttosto instabile perché la stima si basa su un algoritmo di livellamento che può essere sensibile a urti e increspature casuali nel campione MCMC. …
12 bayesian  mcmc  mode 
1
Quando dovrei essere preoccupato per il paradosso Jeffreys-Lindley nella scelta del modello bayesiano?
Sto prendendo in considerazione un ampio (ma finito) spazio di modelli di varia complessità che esploro usando RJMCMC . Il precedente sul vettore dei parametri per ciascun modello è abbastanza informativo. In quali casi (se ce ne sono) dovrei essere preoccupato per il paradosso Jeffreys-Lindley che favorisce i modelli più …
5
Come eseguire l'imputazione dei valori in un numero molto elevato di punti dati?
Ho un set di dati molto grande e mancano circa il 5% di valori casuali. Queste variabili sono correlate tra loro. Il seguente set di dati R è solo un esempio di giocattolo con dati correlati fittizi. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), …
12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 
2
Intelligence Squared Punteggio e determinazione del vincitore
Esiste un podcast NPR chiamato Intelligence Squared. Ogni episodio è una trasmissione di un dibattito dal vivo su alcune dichiarazioni controverse come "Il secondo emendamento non è più pertinente" o "L'azione affermativa nei campus universitari fa più male che bene". Quattro rappresentanti discutono: due per la mozione e due contro. …
12 bayesian  rating 
3
Bayesian vs MLE, problema di overfitting
Nel libro PRML di Bishop, afferma che il sovrautilizzo è un problema con la stima della massima verosimiglianza (MLE) e Bayesian può evitarlo. Ma penso che l'overfitting sia un problema in più per la selezione del modello, non per il metodo usato per fare la stima dei parametri. Cioè, supponiamo …
1
Rapporto di probabilità vs rapporto di PDF
Sto usando Bayes per risolvere un problema di clustering. Dopo aver fatto alcuni calcoli, finisco con la necessità di ottenere il rapporto tra due probabilità: P(A)/P(B)P(A)/P(B)P(A)/P(B) per essere in grado di ottenere P(H|D)P(H|D)P(H|D) . Queste probabilità sono ottenute dall'integrazione di due diversi KDE multivariati 2D come spiegato in questa risposta …
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.