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.

4
Quali sono i valori corretti per precisione e richiamo nei casi limite?
La precisione è definita come: p = true positives / (true positives + false positives) È corretto che, come true positivese false positivesavvicinarsi a 0, la precisione si avvicina a 1? Stessa domanda da ricordare: r = true positives / (true positives + false negatives) Attualmente sto implementando un test …
20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 
2
Bayesiano pensa al sovradimensionamento
Ho dedicato molto tempo allo sviluppo di metodi e software per la validazione di modelli predittivi nel tradizionale dominio statistico frequentista. Nel mettere in pratica più idee bayesiane e nell'insegnamento vedo alcune differenze chiave da abbracciare. In primo luogo, la modellazione predittiva bayesiana chiede all'analista di riflettere attentamente sulle distribuzioni …
3
Perché è richiesto il fattore di normalizzazione nel teorema di Bayes?
Il teorema di Bayes va P(model|data)=P(model)×P(data|model)P(data)P(model|data)=P(model)×P(data|model)P(data) P(\textrm{model}|\textrm{data}) = \frac{P(\textrm{model}) \times P(\textrm{data}|\textrm{model})}{P(\textrm{data})} Va tutto bene. Ma ho letto da qualche parte: Fondamentalmente, P (dati) non è altro che una costante normalizzante, cioè una costante che rende la densità posteriore integrata a una. Sappiamo che e . 0 ≤ P ( dati …
3
Approccio più delicato alle statistiche bayesiane
Di recente ho iniziato a leggere la 2a edizione di "Introduzione alla statistica bayesiana" di Bolstad. Ho avuto una lezione di statistica introduttiva che ha riguardato principalmente test statistici e sono quasi attraverso una lezione di analisi di regressione. Quali altri libri posso usare per integrare la mia comprensione di …
1
Antonimo della varianza
C'è una parola che significa "inverso della varianza"? Cioè, se ha una varianza elevata, allora ha un basso ? Non ti interessa un quasi antonimo (come "accordo" o "somiglianza") ma significa specificamente ?XXXXXX......\dots1 / σ21/σ21/\sigma^2
4
L'analisi di potenza è necessaria nelle statistiche bayesiane?
Ultimamente ho fatto ricerche sulla versione bayesiana delle statistiche classiche. Dopo aver letto del fattore Bayes, mi sono lasciato interrogare se l'analisi della potenza è una necessità in questa visione delle statistiche. Il motivo principale per cui mi chiedo questo è che il fattore Bayes sembra davvero essere un rapporto …
1
Quali algoritmi / tecniche MCMC sono utilizzati per parametri discreti?
Conosco una buona dose sull'adattamento di parametri continui, in particolare sui metodi basati sul gradiente, ma non molto sull'adattamento di parametri discreti. Quali sono gli algoritmi / tecniche MCMC comunemente utilizzati per l'adattamento di parametri discreti? Ci sono algoritmi che sono sia abbastanza generali che abbastanza potenti? Esistono algoritmi che …
19 bayesian  mcmc 
3
Le statistiche bayesiane sono davvero un miglioramento rispetto alle statistiche tradizionali (frequentiste) per la ricerca comportamentale?
Durante la partecipazione alle conferenze, i sostenitori delle statistiche bayesiane hanno spinto un po 'a valutare i risultati degli esperimenti. È vantato come sia più sensibile, appropriato e selettivo verso scoperte autentiche (meno falsi positivi) rispetto alle statistiche frequentiste. Ho esplorato un po 'l'argomento e non sono ancora convinto dei …
5
Cosa significa in pratica "probabilità definita solo fino a una costante moltiplicativa di proporzionalità"?
Sto leggendo un articolo in cui gli autori stanno conducendo una discussione sulla stima della massima verosimiglianza con il Teorema di Bayes, apparentemente come un'introduzione per i principianti. Come esempio di probabilità, iniziano con una distribuzione binomiale: p(x|n,θ)=(nx)θx(1−θ)n−xp(x|n,θ)=(nx)θx(1−θ)n−xp(x|n,\theta) = \binom{n}{x}\theta^x(1-\theta)^{n-x} e quindi registrare entrambi i lati ℓ(θ|x,n)=xln(θ)+(n−x)ln(1−θ)ℓ(θ|x,n)=xln⁡(θ)+(n−x)ln⁡(1−θ)\ell(\theta|x, n) = x …
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.