Statistiche e Big Data bayesian

5

Gli intervalli di confidenza sono utili?

Nelle statistiche del frequentista, un intervallo di confidenza al 95% è una procedura che produce intervalli che, se ripetuta un numero infinito di volte, conterrebbe il vero parametro il 95% delle volte. Perché è utile? Gli intervalli di confidenza sono spesso fraintesi. Essi sono non un intervallo che possiamo essere …

11 hypothesis-testing bayesian mathematical-statistics confidence-interval frequentist

5

Cosa significa precisamente prendere in prestito informazioni?

Spesso le persone parlano di prestito di informazioni o condivisione di informazioni in modelli gerarchici bayesiani. Non riesco a ottenere una risposta diretta su cosa significhi effettivamente questo e se sia univoco per i modelli gerarchici bayesiani. Ho capito l'idea: alcuni livelli nella tua gerarchia condividono un parametro comune. Non …

11 machine-learning bayesian multilevel-analysis terminology hierarchical-bayesian

2

Una probabilità verosimile ed esponenziale può portare a un posteriore improprio?

(Questa domanda è ispirata da questo commento di Xi'an .) È noto che se la distribuzione precedente è corretta e la probabilità è ben definita, allora la distribuzione posteriore è corretto quasi sicuramente.π(θ)π(θ)\pi(\theta)L(θ|x)L(θ|x)L(\theta | x)π(θ|x)∝π(θ)L(θ|x)π(θ|x)∝π(θ)L(θ|x)\pi(\theta|x)\propto \pi(\theta) L(\theta|x) In alcuni casi, utilizziamo invece una probabilità temperata o esponenziale, portando a uno …

11 bayesian prior posterior

2

Lo stimatore di Bayes è immune da errori di selezione

Gli stimatori di Bayes sono immuni da errori di selezione? La maggior parte degli articoli che discutono la stima in alta dimensione, ad esempio i dati dell'intera sequenza del genoma, solleveranno spesso il problema della distorsione della selezione. La distorsione della selezione deriva dal fatto che, sebbene abbiamo migliaia di …

11 bayesian feature-selection bias unbiased-estimator conjugate-prior

1

Punta e lastra bayesiane contro metodi penalizzati

Sto leggendo le diapositive di Steven Scott sul pacchetto BSTS R (le puoi trovare qui: diapositive ). Ad un certo punto, quando si parla di includere molti regressori nel modello strutturale delle serie temporali, introduce i picchi di picco e di lastra dei coefficienti di regressione e afferma che sono …

11 r bayesian feature-selection penalized bsts

6

Riferimenti di base su MCMC per le statistiche bayesiane

Sto cercando alcuni articoli o libri con esempi pratici e teorici su MCMC di base per Bayesian Statistics (With R). Non ho mai studiato simulazione, ed è per questo che sto cercando informazioni "di base". Potete darmi qualche consiglio o consiglio?

11 bayesian references mcmc

3

Stima dei parametri bayesiani o verifica delle ipotesi bayesiane?

Sembra che ci sia un dibattito in corso all'interno della comunità bayesiana sul fatto se dovremmo fare la stima dei parametri bayesiani o il test delle ipotesi bayesiane. Sono interessato a sollecitare opinioni su questo. Quali sono i punti di forza e di debolezza relativi di questi approcci? In quali …

11 hypothesis-testing bayesian

2

Perché Bayes Classifier è il classificatore ideale?

È considerato il caso ideale in cui la struttura di probabilità alla base delle categorie è conosciuta perfettamente. Perché con il classificatore Bayes otteniamo le migliori prestazioni possibili? Qual è la prova / spiegazione formale per questo? Poiché utilizziamo sempre il classificatore Bayes come benchmark per confrontare le prestazioni di …

11 probability classification bayesian bayes

3

Comprensione del coniugato beta precedente nell'inferenza bayesiana su una frequenza

Di seguito è riportato un estratto dall'Introduzione alla statistica bayesiana di Bolstad . Per tutti voi esperti là fuori, questo potrebbe essere banale ma non capisco come l'autore concluda che non dobbiamo fare alcuna integrazione per calcolare la probabilità posteriore per un valore di . Comprendo la seconda espressione che …

11 distributions bayesian beta-distribution conjugate-prior

2

Perché è necessario MCMC quando si stima un parametro usando MAP

Data la formula per la stima MAP di un parametro Perché è necessario un approccio MCMC (o simile), non posso semplicemente prendere la derivata, impostarla su zero e quindi risolvere il parametro?

11 bayesian estimation mcmc

1

Gli statistici usano il precedente di Jeffreys nel lavoro effettivamente applicato?

Quando ho appreso del precedente di Jeffreys nella mia classe di inferenza statistica laureata, i miei professori facevano sembrare che fosse interessante soprattutto per ragioni storiche piuttosto che perché qualcuno l'avrebbe mai usato. Poi, quando ho preso l'analisi dei dati bayesiani, non ci è mai stato chiesto di usare i …

11 bayesian prior jeffreys-prior

1

Selezione del modello bayesiano in PyMC3

Sto usando PyMC3 per eseguire modelli bayesiani sui miei dati. Sono nuovo nella modellazione bayesiana ma secondo alcuni post di blog , Wikipedia e QA di questo sito, sembra essere un approccio valido per utilizzare il fattore Bayes e il criterio BIC per essere in grado di scegliere quale modello …

11 bayesian model-selection pymc

2

Modello logit bayesiano - spiegazione intuitiva?

Devo confessare che in precedenza non avevo sentito parlare di quel termine in nessuna delle mie lezioni, laureandi o laurea. Cosa significa che una regressione logistica è bayesiana? Sto cercando una spiegazione con una transizione dalla logistica normale alla logistica bayesiana simile alla seguente: Questa è l'equazione nel modello di …

11 regression logistic bayesian multiple-regression generalized-linear-model

2

Derivazione del normale di Wishart posteriore

Sto lavorando alla derivazione di un posteriore di Normal-Wishart ma sono bloccato su uno dei parametri (il posteriore della matrice della scala, vedi in basso). Solo per contesto e completezza, ecco il modello e il resto delle derivazioni: xiμΛ∼N(μ,Λ)∼N(μ0,(κ0Λ)−1)∼W(υ0,W0)xi∼N(μ,Λ)μ∼N(μ0,(κ0Λ)−1)Λ∼W(υ0,W0)\begin{align} x_i &\sim \mathcal{N}(\boldsymbol{\mu}, \boldsymbol{\Lambda})\\ \boldsymbol{\mu} &\sim \mathcal{N}(\boldsymbol{\mu_0}, (\kappa_0 \boldsymbol{\Lambda})^{-1})\\ \boldsymbol{\Lambda} &\sim …

11 bayesian posterior

1

soglia di calcolo per la classificazione del rischio minimo?

Supponiamo che due classi e abbiano un attributo e abbiano distribuzione e . se abbiamo uguale precedente per la seguente matrice di costo:C1C1C_1C2C2C_2xxxN(0,0.5)N(0,0.5) \cal{N} (0, 0.5)N(1,0.5)N(1,0.5) \cal{N} (1, 0.5)P(C1)=P(C2)=0.5P(C1)=P(C2)=0.5P(C_1)=P(C_2)=0.5 L=[010.50]L=[00.510]L= \begin{bmatrix} 0 & 0.5 \\ 1 & 0 \end{bmatrix} perché, è la soglia per la classificazione del rischio minimo (costo)?x0<0.5x0<0.5x_0 …

11 machine-learning classification bayesian normal-distribution bivariate

Domande taggate «bayesian»