Вопросы с тегом «bayesian»

В статистике частых случаев 95-процентный доверительный интервал является процедурой, производящей интервалы, которая, если повторяться бесконечное число раз, будет содержать истинный параметр 95% времени. Почему это полезно? Доверительные интервалы часто неправильно понимают. Они не являются интервалом, в котором мы можем быть на 95% уверены, что параметр включен (если вы не используете …

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

Я часто говорю, что люди заимствуют или обмениваются информацией в байесовских иерархических моделях. Кажется, я не могу получить прямой ответ о том, что это на самом деле означает и является ли это уникальным для байесовских иерархических моделей. Я вроде понял: некоторые уровни в вашей иерархии имеют общий параметр. Я понятия …

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

(Этот вопрос навеян этот комментарий от Сианя .) Хорошо известно, что если предварительное распределение π(θ)π(θ)\pi(\theta) является правильным и вероятность L(θ|x)L(θ|x)L(\theta | x) хорошо определена, то апостериорное распределение 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) почти наверняка. В некоторых случаях мы используем вместо этого умеренную или возведенную в степень вероятность, приводящую к псевдо-задней π~(θ|x)∝π(θ)L(θ|x)απ~(θ|x)∝π(θ)L(θ|x)α\tilde\pi(\theta|x)\propto \pi(\theta) …

11 bayesian  prior  posterior 

Являются ли оценки Байеса невосприимчивыми к смещению отбора? В большинстве работ, в которых обсуждаются оценки в высоком измерении, например, данные о последовательности всего генома, часто возникает проблема смещения отбора. Смещение выбора обусловлено тем фактом, что, хотя у нас есть тысячи потенциальных предикторов, будет выбрано лишь немногие, и для избранных будет …

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

Я читаю слайды Стивена Скотта о пакете BSTS R (Вы можете найти их здесь: слайды ). В какой-то момент, говоря о включении многих регрессоров в модель структурных временных рядов, он вводит априорные и контрольные значения коэффициентов регрессии и говорит, что они лучше по сравнению с штрафными методами. Скотт говорит, ссылаясь …

11 r  bayesian  feature-selection  penalized  bsts 

Я ищу некоторые статьи или книги с практическими и теоретическими примерами об основных MCMC для байесовской статистики (с R). Я никогда не изучал симуляцию, и поэтому я ищу "основную" информацию. Можете ли вы дать мне несколько рекомендаций или советов?

11 bayesian  references  mcmc 

Похоже, что в байесовском сообществе продолжаются дебаты о том, следует ли нам проводить оценку байесовских параметров или проверку байесовских гипотез. Мне интересно узнать мнение по этому поводу. Каковы относительные сильные и слабые стороны этих подходов? В каких контекстах один более подходящий, чем другой? Должны ли мы проводить как оценку параметров, …

11 hypothesis-testing  bayesian 

Считается идеальным случаем, когда структура вероятности, лежащая в основе категорий, известна полностью. Почему с помощью байесовского классификатора мы достигаем наилучшей производительности, которая может быть достигнута? Что является формальным доказательством / объяснением этого? Как мы всегда используем байесовский классификатор в качестве эталона для сравнения производительности всех других классификаторов.

11 probability  classification  bayesian  bayes 

Ниже приведен отрывок из «Болстадского введения в байесовскую статистику» . Для всех вас, экспертов, это может быть тривиально, но я не понимаю, как автор приходит к выводу, что нам не нужно делать какую-либо интеграцию для вычисления апостериорной вероятности для некоторого значения . Я понимаю второе выражение, которое представляет собой пропорциональность …

11 distributions  bayesian  beta-distribution  conjugate-prior 

Учитывая формулу для оценки MAP параметра. Почему необходим подход MCMC (или аналогичный), не могу ли я просто взять производную, установить ее в ноль, а затем решить для параметра?

11 bayesian  estimation  mcmc 

Когда я узнал о предшествующей работе Джеффриса в моем классе по статистическому выводу для выпускников, мои профессора сделали его звучащим так, как будто это было интересно в основном по историческим причинам, а не потому, что кто-либо когда-либо использовал его. Затем, когда я взяла байесовский анализ данных, нас никогда не просили …

11 bayesian  prior  jeffreys-prior 

Я использую PyMC3 для запуска байесовских моделей на моих данных. Я новичок в байесовском моделировании, но, согласно сообщениям в некоторых блогах , Википедии и QA с этого сайта, кажется правильным подход использовать фактор Байеса и критерий BIC, чтобы иметь возможность выбрать, какая модель лучше всего представляет мои данные (та, которая …

11 bayesian  model-selection  pymc 

Я должен признаться, что раньше я не слышал об этом термине ни в одном из моих классов, старшекурсников или выпускников. Что значит для логистической регрессии быть байесовским? Я ищу объяснение с переходом от обычной логистики к байесовской логистике, подобное следующему: Это уравнение в модели линейной регрессии: .E(y)=β0+β1x1+...+βnxnE(y)=β0+β1x1+...+βnxnE(y) = \beta_0 + …

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

Я работаю над выводом апостола Normal-Wishart, но я застрял на одном из параметров (апостериор матрицы шкалы, см. Внизу). Просто для контекста и полноты, вот модель и остальные выводы: 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 \mathcal{W}(\upsilon_0, \mathbf{W}_0) \end{align} Расширенные формы каждого из трех факторов (с …

11 bayesian  posterior 

Предположим, что два класса и имеют атрибут и имеют распределение и . если мы имеем равный для следующей матрицы затрат: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} почему x0&lt;0.5x0&lt;0.5x_0 < 0.5 является порогом для классификатора минимального риска (стоимости)? Это мой пример …

11 machine-learning  classification  bayesian  normal-distribution  bivariate