Statistiche e Big Data bayesian

2

I metodi bayesiani sono intrinsecamente sequenziali?

Cioè, per fare analisi sequenziali (non sai in anticipo esattamente quanti dati raccoglierai) con metodi frequentisti richiede cure speciali; non puoi semplicemente raccogliere dati finché il valore p non diventa sufficientemente piccolo o un intervallo di confidenza diventa sufficientemente breve. Ma quando si fa l'analisi bayesiana, questa è una preoccupazione? …

12 bayesian inference philosophical sequential-analysis

3

Jeffreys Prior per la distribuzione normale con media e varianza sconosciute

Sto leggendo le distribuzioni precedenti e ho calcolato Jeffreys in precedenza per un campione di variabili casuali normalmente distribuite con media e varianza sconosciute. Secondo i miei calcoli, vale quanto segue per Jeffreys: Qui, la matrice di informazioni di Fisher.iop ( μ , σ2) = de t ( I)-----√= de …

12 bayesian normal-distribution prior jeffreys-prior

3

Quali sono le definizioni di semi coniugati e condizionale coniugati priori?

Quali sono le definizioni di priori semi-coniugati e di priori coniugati condizionali ? Li ho trovati nella Bayesian Data Analysis di Gelman , ma non sono riuscito a trovare le loro definizioni.

12 bayesian

1

Test esatto di Fisher e distribuzione ipergeometrica

Volevo capire meglio il test esatto del pescatore, quindi ho escogitato il seguente esempio di giocattolo, dove f e m corrispondono a maschio e femmina e n e y corrispondono a "consumo di soda" in questo modo: > soda_gender f m n 0 5 y 5 0 Ovviamente, questa è …

12 fishers-exact hypergeometric clustering supervised-learning modeling econometrics r regression residuals heteroscedasticity independence distributions self-study matlab libsvm self-study conditional-probability conditional-expectation hypothesis-testing self-study multiple-comparisons mode statistical-significance chi-squared multiple-comparisons maximum-likelihood poisson-process optimization uncertainty genetic-algorithms bayesian model-selection overfitting maximum-likelihood optimization approximation r prediction model-evaluation r machine-learning survival neural-networks cox-model machine-learning bayesian bayesian-network hierarchical-bayesian pooling

2

Perché Thomas Bayes ha trovato il teorema di Bayes così stimolante?

Questa è più una questione di storia della scienza, ma spero che sia in tema qui. Ho letto che Thomas Bayes è riuscito a scoprire il teorema di Bayes solo per il caso speciale di un'uniforme precedente, e anche allora ha lottato con esso, a quanto pare. Considerando quanto sia …

12 bayesian bayes history

4

Confronto tra la stima della massima verosimiglianza (MLE) e il teorema di Bayes

Nel teorema bayesiano, , e dal libro che sto leggendo, è chiamato il probabilità , ma presumo sia solo la probabilità condizionata di dato , giusto?p ( y| x)= p ( x | y) p ( y)p ( x )p(y|x)=p(x|y)p(y)p(x)p(y|x) = \frac{p(x|y)p(y)}{p(x)}p ( x | y)p(x|y)p(x|y)yXxxyyy La stima della massima …

12 bayesian maximum-likelihood

1

Manipolazione del modello di regressione logistica

Vorrei capire cosa sta facendo il seguente codice. La persona che ha scritto il codice non funziona più qui ed è quasi completamente priva di documenti. Mi è stato chiesto di indagarlo da qualcuno che pensa " è un modello di regressione logistica bayesiana " bglm <- function(Y,X) { # …

12 r logistic bayesian generalized-linear-model

3

Probabilità rispetto alla distribuzione condizionale per l'analisi bayesiana

Possiamo scrivere il teorema di Bayes come p(θ|x)=f(X|θ)p(θ)∫θf(X|θ)p(θ)dθp(θ|x)=f(X|θ)p(θ)∫θf(X|θ)p(θ)dθp(\theta|x) = \frac{f(X|\theta)p(\theta)}{\int_{\theta} f(X|\theta)p(\theta)d\theta} dove è il posteriore, è la distribuzione condizionale e è il precedente.f ( X | θ ) p ( θ )p(θ|x)p(θ|x)p(\theta|x)f(X|θ)f(X|θ)f(X|\theta)p(θ)p(θ)p(\theta) o p(θ|x)=L(θ|x)p(θ)∫θL(θ|x)p(θ)dθp(θ|x)=L(θ|x)p(θ)∫θL(θ|x)p(θ)dθp(\theta|x) = \frac{L(\theta|x)p(\theta)}{\int_{\theta} L(\theta|x)p(\theta)d\theta} dove è il posteriore, è la funzione di probabilità e è il precedente.p(θ|x)p(θ|x)p(\theta|x)L(θ|x)L(θ|x)L(\theta|x)p(θ)p(θ)p(\theta) …

12 bayesian likelihood

5

La standardizzazione di variabili indipendenti riduce la collinearità?

Ho trovato un ottimo testo su Bayes / MCMC. L'IT suggerisce che una standardizzazione delle variabili indipendenti renderà più efficiente un algoritmo MCMC (Metropolis), ma potrebbe anche ridurre la (multi) collinearità. Può essere vero? È qualcosa che dovrei fare come standard . (Mi dispiace). Kruschke 2011, facendo analisi dei dati …

12 bayesian mcmc multicollinearity standardization

1

Modellazione bayesiana dei tempi di attesa dei treni: la definizione del modello

Questo è il mio primo tentativo per qualcuno proveniente dal campo frequentista di fare analisi dei dati bayesiani. Ho letto una serie di tutorial e alcuni capitoli di Bayesian Data Analysis di A. Gelman. Come primo esempio di analisi dei dati più o meno indipendente che ho scelto sono i …

12 bayesian pymc

2

Semplice esempio che mostra i vantaggi della Bayesian Model Averaging (BMA)

Sto incorporando un approccio Bayesian Model Averaging (BMA) nella mia ricerca e presto presenterò una presentazione del mio lavoro ai miei colleghi. Tuttavia, la BMA non è poi così ben nota nel mio campo, quindi dopo aver presentato loro tutta la teoria e prima di applicarla effettivamente al mio problema, …

12 bayesian data-visualization

3

Perché i cut-off utilizzati per i fattori e i valori p di Bayes sono così diversi?

Sto cercando di capire Bayes Factor (BF). Credo che siano come un rapporto di verosimiglianza di 2 ipotesi. Quindi se BF è 5, significa che H1 è 5 volte più probabile di H0. E un valore di 3-10 indica prove moderate, mentre> 10 indica prove forti. Tuttavia, per il valore …

11 hypothesis-testing bayesian p-value bayes-factors

2

I parametri di massima verosimiglianza si discostano dalle distribuzioni posteriori

Ho una funzione di verosimiglianza per la probabilità dei miei dati dati alcuni parametri del modello , che vorrei stimare. Assumendo priori piatti sui parametri, la probabilità è proporzionale alla probabilità posteriore. Uso un metodo MCMC per provare questa probabilità.L (d| θ)L(d|θ)\mathcal{L}(d | \theta)dddθ ∈ RNθ∈RN\theta \in \mathbf{R}^N Osservando la …

11 bayesian maximum-likelihood optimization inference mcmc

2

In che modo i bayesiani verificano i loro metodi usando i metodi di simulazione Monte Carlo?

Contesto : ho un dottorato di ricerca in psicologia sociale, in cui la statistica teorica e la matematica erano a malapena trattate nei miei corsi quantitativi. Attraverso gli studi universitari e la scuola di specializzazione, mi è stato insegnato (come molti di voi anche nelle scienze sociali, probabilmente) attraverso il …

11 probability bayesian simulation monte-carlo frequentist

3

Terminologia per media della probabilità posteriore bayesiana con prioritario uniforme

Se Uniform e Bin , la media posteriore di è data da .p∼p~p \sim(0,1)(0,1)(0,1)X∼X~X \sim(n,p)(n,p)(n, p)pppX+1n + 2X+1n+2\frac{X+1}{n+2} C'è un nome comune per questo stimatore? Ho scoperto che risolve molti problemi delle persone e mi piacerebbe essere in grado di indirizzare le persone a un riferimento, ma non sono stato …

11 bayesian terminology laplace-smoothing

Domande taggate «bayesian»