«bayesian» etiketlenmiş sorular

MCMC'nin hangi yıl olağan hale geldiğini bilen var mı (yani Bayesci çıkarım için popüler bir yöntem)? Zaman içinde yayınlanan MCMC (dergi) makalelerinin sayısına bir bağlantı özellikle yararlı olacaktır.

19 bayesian  mcmc  history 

Anladığım kadarıyla parametre değerlerini tahmin etmek için Bayesci bir yaklaşım kullanırken: Posterior dağılım önceki dağılım ve olasılık dağılımının kombinasyonudur. Bunu posterior dağılımdan bir örnek oluşturarak simüle ediyoruz (örneğin, değerleri oluşturmak için bir Metropolis-Hasting algoritması kullanarak ve posterior dağılıma ait olma olasılığının belirli bir eşiğinin üzerindeyse bunları kabul ediyoruz). Bu örneği …

19 bayesian  inference  simulation  mcmc  posterior 

Bayes formülünde: P(x|a)=P(a|x)P(x)P(a)P(x|a)=P(a|x)P(x)P(a)P(x|a) = \frac{P(a|x) P(x)}{P(a)} arka olasılık 1'i aşabilir mi?P(x|a)P(x|a)P(x|a) Örneğin, ve ve . Ama bundan emin değilim, çünkü bir olasılığın birden fazla olması ne anlama gelir?0&lt;P(a)&lt;10&lt;P(a)&lt;10 < P(a) < 1P(a)&lt;P(x)&lt;1P(a)&lt;P(x)&lt;1P(a) < P(x) < 1P(a)/P(x)&lt;P(a|x)&lt;1P(a)/P(x)&lt;P(a|x)&lt;1P(a)/P(x) < P(a|x) < 1

18 probability  bayesian  conditional-probability 

İstatistik ve olasılık teorisinde log-olasılık olasılığını (ve belki de daha genel olarak log-olasılığını) daha derin bir düzeyde anlamaya çalışıyorum. Log olasılıkları her yerde ortaya çıkıyor: genellikle analiz için log-olasılık ile çalışıyoruz (örneğin maksimizasyon için), Fisher bilgisi log-olasılığın ikinci türevi olarak tanımlanır, entropi beklenen bir log-olasılıktır , Kullback-Liebler ıraksaması log olasılıklarını …

18 probability  bayesian  likelihood  log-likelihood 

İki rastgele değişken ve ,A AABBB E ( A ∣ B ) = E ( B ∣ A ) E ( A )E ( B ) ?E(A∣B)=E(B∣A)E(A)E(B)?E(A\mid B)=E(B\mid A)\frac{E(A)}{E(B)}?

18 bayesian  mathematical-statistics 

Sadece bir meta-analizi geçersiz kılarsa, Bayesian istatistiklerinin ilk çalışmadan sonuncuya kadar uygulanıp uygulanmayacağını merak ediyorum. Örneğin, farklı zaman noktalarında yapılmış 20 çalışmayı varsayalım. İlk çalışmanın tahmini veya dağılımı, daha önce bilgilendirici olmayan bir şekilde yapılmıştır . İkinci çalışma, posterior dağılımı önceki gibi kullanır. Yeni posterior dağılım şimdi üçüncü çalışma için …

18 bayesian  meta-analysis 

Literatürde bazen verinin kendisine (örneğin Zellners g-before) bağlı olan önceliklerin seçilmesinin teorik bir bakış açısıyla eleştirilebileceği görüşüne rastlarım. Önceden verilerden bağımsız olarak seçilmezse sorun tam olarak nerede?

18 bayesian  prior  hierarchical-bayesian 

Subjektivistleri nesnelistlere zıt, Bayesçi istatistiklerde olasılıkların bilgi durumu olarak görmelerini açıklayan Bayes felsefesi hakkında iyi bir kitap nedir? Belki Savage'ın kitabı? İlk başta Berger'in (1986) işe yarayabileceğini düşündüm, ama aradığım şey bu değil. Böyle bir kitabı aramak, aradığım sonuçlara yol açmaz.

18 bayesian  references  philosophical 

Bayesci ve sık sık tartışma konusundaki anlayışım, sıklık istatistikleri: nesneldir (veya iddia edilir) veya en azından tarafsız farklı varsayımları kullanan farklı araştırmacılar yine de nicel olarak karşılaştırılabilir sonuçlar elde edebilirler bayes istatistikleri iken "daha iyi" tahminlerde bulunduğunu iddia ediyor (yani daha düşük beklenen kayıp), çünkü ön bilgileri kullanabilir (diğer nedenlerin …

18 bayesian  quality-control 

- bu veriler verilen bir parametre olasılığını hesaplar çünkü çoğu zaman, (frequentist üzerinden) Bayesian çerçeve yorumlanmasında büyük bir üstünlüğe sahip olduğunu ileri sürülmektedir yerine p ( x | İçeride ISTV melerin RWMAIWi'nin ) frequentist çerçevesindeki gibi . Çok uzak çok iyi.p(θ|x)p(θ|x)p(\theta|x)p(x|θ)p(x|θ)p(x|\theta) Ancak, temel aldığı tüm denklem: p(θ|x)=p(x|θ).p(θ)p(x)p(θ|x)=p(x|θ).p(θ)p(x)p(\theta|x) = {p(x|\theta) . …

18 bayesian  interpretation  prior  likelihood  posterior 

Bir cezası olan lineer regresyonun , katsayılardan önce bir Gaussian verilen MAP tahminini bulmaya eşdeğer olduğu iyi bilinmektedir . Benzer şekilde, bir cezası kullanmak, daha önce olduğu gibi bir Laplace dağılımı kullanmaya eşdeğerdir.l2l2l^2l1l1l^1 ve normalleştirmesinin bazı ağırlıklı kombinasyonlarını kullanmak nadir değildir . Bunun katsayılar üzerindeki önceki dağılımlara eşdeğer olduğunu söyleyebilir …

18 regression  bayesian  regularization  prior  elastic-net 

Bu çok basit bir soru ama türetmeyi internette veya kitapta hiçbir yerde bulamıyorum. Bayesilerin çok değişkenli bir normal dağılımı nasıl güncellediğini görmek isterim. Örneğin: hayal edin P(x|μ,Σ)P(μ)==N(μ,Σ)N(μ0,Σ0).P(x|μ,Σ)=N(μ,Σ)P(μ)=N(μ0,Σ0). \begin{array}{rcl} \mathbb{P}({\bf x}|{\bf μ},{\bf Σ}) & = & N({\bf \mu}, {\bf \Sigma}) \\ \mathbb{P}({\bf \mu}) &= & N({\bf \mu_0}, {\bf \Sigma_0})\,. \end{array} {\ …

18 bayesian  normal-distribution  matrix  posterior  linear-algebra 

Algoritmayı anlama şeklim şudur: Hiçbir U Dönüşü Örnekleyici (NUTS), Hamiltonian Monte Carlo Yöntemidir. Bu, bir Markov Zinciri yöntemi olmadığı anlamına gelir ve bu nedenle, bu algoritma, genellikle verimsiz ve yakınsama yavaş olarak kabul edilen rastgele yürüyüş parçasından kaçınır. Rastgele yürüyüş yapmak yerine, NUTS x uzunluğunda atlar yapar. Her atlama algoritma …

18 bayesian  monte-carlo  markov-process 

Gerçekten Bayesci teknikleri öğrenmek istiyorum, bu yüzden kendime biraz öğretmeye çalışıyorum. Ancak, Bayesian tekniklerini kullanırken Frequentist yöntemlere göre bir avantaj sağladığını görmekte zorlanıyorum. Örneğin: Literatürde bazılarının bilgilendirici öncelikleri nasıl kullandığını, bazılarının ise bilgilendirici olmayanları nasıl kullandığını gördüm. Ancak önceden bilgilendirici olmayan bir bilgi kullanıyorsanız (bu gerçekten yaygın görünüyor mu?) Ve …

18 bayesian  frequentist 

Bağlam: Gelman'ın 8 okullu örneğinde (Bayesian Veri Analizi, 3. baskı, Ch 5.5) 8 okulda koçluğun etkisini test eden sekiz paralel deney vardır. Her deney, koçluğun etkinliği ve ilgili standart hata için bir tahmin verir. Daha sonra yazarlar koçluk etkisinin 8 veri noktası için aşağıdaki gibi hiyerarşik bir model oluştururlar: yi∼N(θi,sei)θi∼N(μ,τ)yi∼N(θi,sei)θi∼N(μ,τ) …

17 bayesian  hierarchical-bayesian