«posterior» etiketlenmiş sorular

Bir grup öğrencide, solak 18 kişiden 2'si vardır. Öğrenimsiz olduğunu varsayarsak popülasyondaki solak öğrencilerin arka dağılımını bulun. Sonuçları özetle. Literatüre göre insanların% 5-20'si solaktır. Bu bilgileri öncekilerinizde dikkate alın ve yeni posterior hesaplayın. Beta dağılımının burada kullanılması gerektiğini biliyorum . İlk olarak, αα\alpha ve ββ\beta değerleri 1 olarak? Posterior malzemesinde …

124 distributions  bayesian  prior  posterior 

Posterior kestirim dağılımının ne olduğunu anlıyorum ve posterior kestirim kontrolleri hakkında okudum , ancak henüz ne yaptığım henüz net değil. Posterior prediktif kontrol tam olarak nedir? Bazı yazarlar neden posterior öngörücü kontroller yapmanın “verileri iki kez kullanmak” olduğunu ve kötüye kullanılmaması gerektiğini söylüyor? (ya da Bayesian olmadığını bile)? (örneğin bkz …

33 bayesian  model-selection  posterior 

Bir Posterior'un ne olduğunu biliyorum ama ikincisinin ne anlama geldiğinden emin değilim? 2 farklı nasıl? Kevin P Murphy, ders kitabındaki Makine Öğrenmesi: Olasılıklı bir Perspektif olduğunu, “içsel bir inanç hali” olduğunu belirtti. Bu gerçekten ne anlama geliyor? Bir Prior'ın içsel inancınızı veya önyargınızı temsil ettiği izlenimindeydim, nerede yanlış yapıyorum?

31 posterior  definition 

Önceden uygun bir dağıtım durumunda, P(θ∣X)=P(X∣θ)P(θ)P(X)P(θ∣X)=P(X∣θ)P(θ)P(X)P(\theta \mid X) = \dfrac{P(X \mid \theta)P(\theta)}{P(X)} ∝P(X∣θ)P(θ)∝P(X∣θ)P(θ) \propto P(X \mid \theta)P(\theta) . Bu adım için olağan gerekçelendirme, , in marjinal dağılımının açısından sabittir ve böylece posterior dağılımı elde ederken göz ardı edilebilir olmasıdır.XXXP(X)P(X)P(X)θθ\theta Ancak, uygunsuz bir öncelik durumunda, posterior dağılımın gerçekten var olduğunu nereden …

22 distributions  bayesian  prior  posterior 

Önceliklerin uygun olmadığına ve olasılık fonksiyonunun da 1 ile bütünleşmediğini biliyorum. Fakat posteriorun uygun bir dağılım olması gerekiyor mu? Öyle / değilse, ne anlama geliyor?

21 distributions  bayesian  posterior 

Eğer önceki ve olasılık birbirinden çok farklıysa, bazen arkadakilerin hiçbirine benzemediği bir durum ortaya çıkar. Örneğin, normal dağılımları kullanan bu resme bakın. Her ne kadar bu matematiksel olarak doğru olsa da, sezgilerime uygun gözükmüyor - veriler güçlü tutulan inançlarımla veya verilerle uyuşmuyorsa, hiçbir menzilin iyi geçmesini beklememeyi ya da düz …

21 bayesian  prior  posterior  likelihood 

Jaynes'in sık sık “örtük bir öncekiyle” çalıştığını iddia ettiği fikrini duydum. Bu örtük öncelikler nedir veya bunlar mı? Bu, sık kullanılan modellerin, Bayesian modellerinin bulunmasını bekleyen özel vakaları anlamına mı geliyor?

19 bayesian  prior  posterior  frequentist 

Oranlar, Sürekli Güncellenmiş makalesi , yaşamını tam anlamıyla Bayes İstatistiklerine borçlu olan bir Long Island balıkçısının hikayesinden bahsediyor. İşte kısa versiyon: Gecenin ortasında bir teknede iki balıkçı var. Biri uyurken diğeri okyanusa düşer. Tekne, ilk adam uyanıp Sahil Güvenlik'i haberdar edene kadar gece boyunca otomatik pilot üzerinde ilerlemeye devam eder. …

19 probability  bayesian  posterior  bayes 

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 

- 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 

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 

Bana şu görüntüye sahibim ki, posterior olasılık dağılımının önceki ve olasılık dağılımlarının nasıl bir birleşimi olduğunu gösteren bir örnek. Bana görüntüyle ilgili yanlış bir şey olduğu söylendi, yani arka dağılımın, olasılık fonksiyonu şeklinde verilen forma sahip olamayacağı söylendi. Ama görüntüde neyin yanlış olduğunu düşünmeye çalışıyorum. Posterior olasılık gibi görünmektedir, ancak …

17 distributions  posterior 

Bir veri setini bir sabit efekt (durum) ve iki rastgele efekt (katılımcı konu tasarımı ve çifti nedeniyle katılımcı) ile karışık efektler modeli kullanarak analiz ediyorum. Model ile oluşturulan lme4paket: exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp). Sonra, bu modelin sabit etki (durum) olmadan modele karşı bir olasılık oranı testi yaptım ve önemli bir farkım var. Veri …

16 r  repeated-measures  multiple-comparisons  post-hoc  lsmeans  bayesian  posterior  marginal  integral  anova  time-series  regularization  machine-learning  pca  computational-statistics  references  inference  regression  cross-validation  python  random-forest  chi-squared  spearman-rho  r  machine-learning  confidence-interval  bagging  clustering  feature-selection  model-selection  bic  hypothesis-testing  kurtosis  r  regression  residuals  terminology 

Birkaç değişkenli bir iki değişkenli gauss dağılımını "öğrenmeliyim", ancak önceki dağıtımda iyi bir hipotez var, bu yüzden bayes yaklaşımını kullanmak istiyorum. tanımladım: P(μ)∼N(μ0,Σ0)P(μ)∼N(μ0,Σ0) \mathbf{P}(\mathbf{\mu}) \sim \mathcal{N}(\mathbf{\mu_0},\mathbf{\Sigma_0}) μ0=[00] Σ0=[160027]μ0=[00] Σ0=[160027] \mathbf{\mu_0} = \begin{bmatrix} 0 \\ 0 \end{bmatrix} \ \ \ \mathbf{\Sigma_0} = \begin{bmatrix} 16 & 0 \\ 0 & 27 \end{bmatrix} …

15 distributions  bayesian  estimation  covariance  posterior 

Birçok pratik uygulamada, posterior analitik olmasına rağmen (örneğin, öncekiler eşlenik olduğu için) bir parametreyi tahmin etmek için MCMC tabanlı yöntemlerin kullanıldığını fark ettim. Benim için MCMC tabanlı tahmin edicilerden ziyade MAP tahmin edicilerinin kullanılması daha anlamlı. Herkes MCMC'nin analitik posterior varlığında neden hala uygun bir yöntem olduğunu belirtebilir mi?

13 bayesian  mcmc  posterior