«bayesian» etiketlenmiş sorular

Eşit olmayan varyanslarla (Welch testi) iki örnekli t-testinin bayes muadilini arıyorum. Ayrıca Hotelling'in T istatistiği gibi çok değişkenli bir test arıyorum. Referanslar takdir edildi. Çok değişkenli durum için, ve ; burada (resp ) örnek ortalaması, örnek standart sapması ve nokta sayısı için bir kısayoldur. Bu nokta sayısı tüm veri kümesi …

11 correlation  bayesian  t-test  heteroscedasticity 

İstatistiklere yeni başladım (sadece bir üniversite dersi aldım), ancak programlama konusunda bir geçmişim var. Ruby için Bayes sınıflandırma kütüphanesi ile oynamaya yeni başladım ve analiz edilecek şeyler için fikirler arıyorum. Şu anda Tweet kategorizasyonuyla uğraşıyorum, ama herhangi bir fikrin var mı? Daha da önemlisi, hangi tür verilerin kendilerini saf Bayes …

11 bayesian  naive-bayes 

mgcvİçin paket Rtensör ürün etkileşimleri uydurma için iki işlevi vardır: te()ve ti(). İkisi arasındaki temel işbölümünü anlıyorum (doğrusal olmayan bir etkileşime uymak ve bu etkileşimi ana etkilere ve etkileşime ayırmak). Anlamadığım şey neden te(x1, x2)ve ti(x1) + ti(x2) + ti(x1, x2)(biraz) farklı sonuçlar üretebilir. MWE (uyarlanmıştır ?ti): require(mgcv) test1 <- …

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 

Klasik mamogram örneğine uygulanan Bayes Teoreminin sonucunu kafamı sarmaya çalışıyorum, mamogramın bükülmesi mükemmel. Yani, Kanser insidansı:.01.01.01 Hastanın kanseri olduğu göz önüne alındığında, pozitif bir mamogram olasılığı:111 Hastanın kanseri yoksa, pozitif bir mamogram olasılığı:.01.01.01 Bayes Tarafından: P (kanser | mammogram +) =1 ⋅ .01( 1 ⋅ .01 ) + ( .091 …

11 bayesian  bayes  binning  diagnosis 

Asıl sorularım son iki paragrafta, ancak motive etmek için: Bilinen bir varyansı olan bir Normal dağılımı izleyen rastgele bir değişkenin ortalamasını tahmin etmeye çalışıyorsam, ortalamadan önce bir üniforma yerleştirmenin, olasılık fonksiyonu ile orantılı bir posterior dağılımla sonuçlandığını okudum. Bu durumlarda, Bayes güvenilir aralığı sık sık güven aralığıyla mükemmel şekilde örtüşmektedir …

11 bayesian  maximum-likelihood  posterior  frequentist 

Bayes teoremine göre . Ama ekonometrik metnime göre P ( θ | y ) ∝ P ( y | θ ) P ( θ ) diyor . Neden böyle? P ( y ) ' nin neden göz ardı edildiğini anlamıyorum .P(y|θ)P(θ)=P(θ|y)P(y)P(y|θ)P(θ)=P(θ|y)P(y)P(y|\theta)P(\theta) = P(\theta|y)P(y)P(θ|y)∝P(y|θ)P(θ)P(θ|y)αP(y|θ)P(θ)P(\theta|y) \propto P(y|\theta)P(\theta)P(y)P(y)P(y)

11 bayesian  conditional-probability  likelihood 

Hiyerarşik öncelikler nelerdir? Önceliklerin genel konseptinden nasıl farklıdırlar?

11 bayesian  multilevel-analysis 

Burada, "kanıt ağırlığı" (WOE) yayınlanmış bilimsel ve politika belirleme literatüründe, çoğunlukla risk değerlendirmesi bağlamında görülen ve aşağıdakilerle tanımlanan yaygın bir terimdir: w ( e : h ) = günlükp ( 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})} burada kanıttır, hipotezdir.heeehhh Şimdi PMI ile ana farkın …

11 probability  bayesian  mutual-information 

"Ölçekte Öngörü" (FBProphet öngörme aracı, bkz. Https://peerj.com/preprints/3190.pdf ) "Daha önce seyrek" terimiyle karşılaştım. Yazarlar , lojistik büyüme modelinde bir model parametresi olan bazı skaler oran hız sapması vektörünü modellemede böyle bir "seyrek öncekini" kullandıklarını açıklarlar .δδ\mathbf{\delta}kkk Bunlar belirttiği gibi bu , bir parametre ise "seyrek", sıfıra yakın elemanlarını taşıyan vektöre …

11 regression  bayesian  forecasting 

Olasılık yoğunluğu fonksiyonuna sahip genelleştirilmiş bir normal dağılım ( wikipedia girişi ) kullanarak bitki dağılımını modelleniyorum : b2aΓ(1/b)e−(da)bb2aΓ(1/b)e−(da)b \frac{b}{2a\Gamma(1/b)} e^{-(\frac{d}{a})^b} burada ddd kat edilen mesafedir, aaa bir ölçek parametresidir ve bbb şekil parametresidir. Ortalama kat edilen mesafe bu dağılımın standart sapması ile verilir: a2Γ(3/b)Γ(1/b)−−−−−−−−√a2Γ(3/b)Γ(1/b) \sqrt{\frac{a^2 \Gamma(3/b)}{\Gamma(1/b)}} Bu uygundur, çünkü b=1b=1b=1 …

10 distributions  bayesian  mcmc 

Ben geldim bu slaytlar çevrimiçi derslerin birinde (slayt # 16 & # 17). Eğitmen Maksimum Posterior Tahmini (MAP) çözüm aslında nasıl anlatmaya çalışıyordu L ( θ ) = I[ θ ≠ θ*]L(θ)=ben[θ≠θ*]L(\theta) = \mathcal{I}[\theta \ne \theta^{*}] , nerede θ*θ*\theta^{*} gerçek bir parametredir. Birisi bunun nasıl olduğunu açıklayabilir mi? Düzenle: Bağlantının …

10 bayesian  optimization  loss-functions  decision-theory  map-estimation 

Bayesci istatistikleri öğretmek için bazı "gerçek dünya örnekleri" bulmak istiyorum. Bayesci istatistik, kişinin önceki bilgileri bir analize resmen dahil etmesine izin verir. Öğrencilere, analizlerine önceden bilgi ekleyen araştırmacıların bazı basit gerçek dünya örneklerini vermek istiyorum, böylece öğrenciler neden Bayesian istatistiklerini ilk etapta kullanmak isteyebileceklerinin motivasyonunu daha iyi anlayabilsinler. Araştırmacıların resmi …

10 bayesian  teaching 

Standart öğretim, duyarlılık ve özgüllüğün testin özellikleri olduğunu ve yaygınlıktan bağımsız olduğunu söylüyor. Ama bu sadece bir varsayım değil mi? Harrison'ın dahiliye prensipleri 19. baskı diyor Duyarlılık ve özgüllüğün test doğruluğunun yaygınlığından bağımsız parametreler olduğu uzun zamandır iddia edilmektedir ve birçok metin hala bu ifadeyi yapmaktadır. Bununla birlikte, bu istatistiksel …

10 bayesian  epidemiology  diagnostic  sensitivity-specificity 

Bu iki tür öncelik arasındaki farkın ne olduğunu merak ediyorum: Bilgi vermeyen uygunsuz

10 bayesian  prior  improper-prior 

Şu anda birkaç ODE oluşan bir model için parametreleri tahmin etmek için bayes bir yaklaşım kullanıyorum. Tahmin etmek için 15 parametrem olduğu için, örnekleme alanım 15 boyutlu ve posterior dağılım için araştırdığım, çok düşük olasılıklı büyük bölgeler tarafından çok izole edilmiş birçok yerel maksimuma sahip gibi görünüyor. Monte Carlo zincirlerimin …

10 bayesian  mcmc  monte-carlo  ergodic