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 ci sono raccomandazioni contro l'uso di Jeffreys o di priori basati sull'entropia per i campionatori MCMC?
Sulla loro pagina wiki , gli sviluppatori di Stan dichiarano: Alcuni principi che non ci piacciono: invarianza, Jeffreys, entropia Vedo invece molte normali raccomandazioni di distribuzione. Finora ho usato metodi bayesiani che non si basavano sul campionamento ed ero abbastanza felice di aver capito perché stata una buona scelta per …
11 bayesian  mcmc  prior  pymc  stan 
1
R / mgcv: Perché i prodotti tensor te () e ti () producono superfici diverse?
Il mgcvpacchetto per Rha due funzioni per adattare le interazioni del prodotto tensore: te()e ti(). Comprendo la divisione di base del lavoro tra i due (adattamento di un'interazione non lineare rispetto alla scomposizione di questa interazione in effetti principali e un'interazione). Quello che non capisco è perché te(x1, x2)e ti(x1) …
11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 
1
Quando la distribuzione del campionamento frequentista non può essere interpretata come posteriore bayesiana nelle impostazioni di regressione?
Le mie attuali domande sono negli ultimi due paragrafi, ma per motivarle: Se sto tentando di stimare la media di una variabile casuale che segue una distribuzione normale con una varianza nota, ho letto che mettere una divisa prima della media si traduce in una distribuzione posteriore che è proporzionale …
1
Perché le persone usano il termine "peso delle prove" e in cosa differisce dalle "informazioni reciproche puntuali"?
Qui, "peso dell'evidenza" (WOE) è un termine comune nella letteratura scientifica e politica pubblicata, il più delle volte visto nel contesto della valutazione del rischio, definito da: w(e:h)=logp(e|h)p(e|h¯¯¯)w(e:h)=log⁡p(e|h)p(e|h¯)w(e : h) = \log\frac{p(e|h)}{p(e|\overline{h})} dove è evidenza, è ipotesi.eeehhh Ora, voglio sapere qual è la differenza principale con PMI (informazioni reciproche puntuali) …
1
A cosa si riferisce il termine "sparse prior" (FBProphet Paper)?
Leggendo l'articolo "Previsioni su scala" (strumento di previsione di FBProphet, vedi https://peerj.com/preprints/3190.pdf ) mi sono imbattuto nel termine "sparse prior". Gli autori spiegano che stavano usando un simile "precedente rado" per modellare un vettore di deviazioni di velocità da una certa frequenza scalare , che è un parametro del modello …
2
Distribuzione della proposta per una distribuzione normale generalizzata
Sto modellando la dispersione delle piante usando una distribuzione normale generalizzata ( voce di Wikipedia ), che ha la funzione di densità di probabilità: b2aΓ(1/b)e−(da)bb2aΓ(1/b)e−(da)b \frac{b}{2a\Gamma(1/b)} e^{-(\frac{d}{a})^b} dove è la distanza percorsa, è un parametro di scala e è il parametro di forma. La distanza media percorsa è data dalla …
3
MAP è una soluzione a
Mi sono imbattuto in queste diapositive (diapositiva n. 16 e n. 17) in uno dei corsi online. L'istruttore stava cercando di spiegare come la massima stima posteriore (MAP) sia effettivamente la soluzione L(θ)=I[θ≠θ∗]L(θ)=io[θ≠θ*]L(\theta) = \mathcal{I}[\theta \ne \theta^{*}] , dove θ∗θ*\theta^{*} è il vero parametro. Qualcuno può spiegare come segue? Modifica: …
6
Semplici esempi del mondo reale per insegnare le statistiche bayesiane?
Vorrei trovare alcuni "esempi del mondo reale" per insegnare le statistiche bayesiane. Le statistiche bayesiane consentono di incorporare formalmente le conoscenze precedenti in un'analisi. Vorrei fornire agli studenti alcuni semplici esempi del mondo reale di ricercatori che incorporano conoscenze precedenti nelle loro analisi in modo che gli studenti possano comprendere …
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.