Domande taggate «prior»

Nelle statistiche bayesiane una distribuzione precedente formalizza informazioni o conoscenze (spesso soggettive), disponibili prima che un campione venga visualizzato, sotto forma di una distribuzione di probabilità. Una distribuzione con ampia diffusione viene utilizzata quando si sa poco sui parametri, mentre una distribuzione precedente più ristretta rappresenta un maggior grado di informazione.

2
Regressione della cresta - interpretazione bayesiana
Ho sentito che la regressione della cresta può essere derivata come media di una distribuzione posteriore, se il priore viene scelto adeguatamente. L'intuizione che i vincoli impostati sui coefficienti di regressione dal precedente (ad es. Distribuzioni normali standard attorno a 0) sono identici / sostituisce la penalità impostata sulla dimensione …
1
Qual è l'intuizione dietro i campioni scambiabili sotto l'ipotesi nulla?
I test di permutazione (chiamati anche test di randomizzazione, test di ri-randomizzazione o test esatto) sono molto utili e sono utili quando l'assunzione della distribuzione normale richiesta da per esempio t-testnon è soddisfatta e quando la trasformazione dei valori per classifica del test non parametrici come Mann-Whitney-U-testquesto porterebbero alla perdita …
15 hypothesis-testing  permutation-test  exchangeability  r  statistical-significance  loess  data-visualization  normal-distribution  pdf  ggplot2  kernel-smoothing  probability  self-study  expected-value  normal-distribution  prior  correlation  time-series  regression  heteroscedasticity  estimation  estimators  fisher-information  data-visualization  repeated-measures  binary-data  panel-data  mathematical-statistics  coefficient-of-variation  normal-distribution  order-statistics  regression  machine-learning  one-class  probability  estimators  forecasting  prediction  validation  finance  measurement-error  variance  mean  spatial  monte-carlo  data-visualization  boxplot  sampling  uniform  chi-squared  goodness-of-fit  probability  mixture  theory  gaussian-mixture  regression  statistical-significance  p-value  bootstrap  regression  multicollinearity  correlation  r  poisson-distribution  survival  regression  categorical-data  ordinal-data  ordered-logit  regression  interaction  time-series  machine-learning  forecasting  cross-validation  binomial  multiple-comparisons  simulation  false-discovery-rate  r  clustering  frequency  wilcoxon-mann-whitney  wilcoxon-signed-rank  r  svm  t-test  missing-data  excel  r  numerical-integration  r  random-variable  lme4-nlme  mixed-model  weighted-regression  power-law  errors-in-variables  machine-learning  classification  entropy  information-theory  mutual-information 
2
Piatti, coniugati e iper priori. Quali sono?
Attualmente sto leggendo dei metodi bayesiani nell'evoluzione molecolare computazionale di Yang. Nella sezione 5.2 parla di priori e in particolare di Non informativo / piatto / vago / diffuso, coniugato e iper priori. Ciò potrebbe richiedere una semplificazione eccessiva, ma qualcuno potrebbe spiegare semplicemente la differenza tra questi tipi di …
15 bayesian  prior 
2
Parametri senza priori definiti in Stan
Ho appena iniziato a imparare a usare Stan e rstan. A meno che non sia sempre stato confuso su come funzionava JAGS / BUGS, ho pensato che dovevi sempre definire una distribuzione precedente di qualche tipo per ogni parametro nel modello da cui attingere. Sembra che non sia necessario farlo …
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 …
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 …
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.