Pertanyaan yang diberi tag «bayesian»

Saya membaca tentang Jeffreys sebelum di wikipedia: Jeffreys Prior dan melihat bahwa setelah setiap contoh, ini menggambarkan bagaimana transformasi penstabilan varian mengubah Jeffrey sebelum menjadi seragam sebelumnya. Sebagai contoh, untuk kasus Bernoulli, menyatakan bahwa untuk koin yang kepala dengan probabilitas γ∈[0,1]γ∈[0,1]\gamma \in [0,1] , Bernoulli Model uji coba hasil bahwa …

17 bayesian  prior  jeffreys-prior 

Saya mengepos ulang "jawaban" untuk pertanyaan yang saya berikan sekitar dua minggu yang lalu di sini: Mengapa Jeffrey dulu bermanfaat? Itu benar-benar sebuah pertanyaan (dan saya juga tidak punya hak untuk mengirim komentar pada saat itu), jadi saya harap tidak apa-apa untuk melakukan ini: Dalam tautan di atas dibahas bahwa …

17 bayesian  mathematical-statistics  fisher-information  jeffreys-prior  invariance 

Saat ini saya mencoba memahami Prinsip Kemungkinan dan saya terus terang tidak mengerti sama sekali. Jadi, saya akan menulis semua pertanyaan saya sebagai daftar, bahkan jika itu mungkin pertanyaan yang cukup mendasar. Apa sebenarnya arti frasa "semua informasi" dalam konteks prinsip ini? (seperti dalam semua informasi dalam sampel terkandung dalam …

17 bayesian  likelihood  likelihood-principle 

Dengan flat sebelumnya, estimator ML (frequentist - maximum likelihood) dan MAP (Bayesian - maximum a posteriori) bersamaan. Namun, secara lebih umum, saya berbicara tentang penduga titik yang diturunkan sebagai pengoptimal beberapa fungsi kerugian. Yaitu (Bayesian) x (x^(.)=argminE(L(X−x^(y))|y) (Bayesian) x^(.)=argminE(L(X−x^(y))|y) (Bayesian) \hat x(\,. ) = \text{argmin} \; \mathbb{E} \left( L(X-\hat x(y)) …

17 bayesian  estimation  loss-functions  frequentist  decision-theory 

Jika kita memiliki ukuran sampel yang kecil, apakah distribusi sebelumnya akan banyak mempengaruhi distribusi posterior?

17 bayesian  sample-size  prior 

Robby McKilliam mengatakan dalam komentar untuk posting ini : Harus ditunjukkan bahwa, dari sudut pandang sering, tidak ada alasan bahwa Anda tidak dapat memasukkan pengetahuan sebelumnya ke dalam model. Dalam hal ini, tampilan sering lebih sederhana, Anda hanya memiliki model dan beberapa data. Tidak perlu memisahkan informasi sebelumnya dari model …

17 bayesian  prior  regularization  frequentist 

Saat menggunakan pemodelan topik (Alokasi Dirichlet Laten), jumlah topik adalah parameter input yang perlu ditentukan pengguna. Menurut saya, kita juga harus menyediakan kumpulan kumpulan topik kandidat yang harus diambil sampel oleh Dirichlet? Apakah pemahaman saya benar? Dalam praktiknya, bagaimana cara mengatur kumpulan topik kandidat semacam ini?

17 machine-learning  bayesian  clustering  text-mining  dirichlet-distribution 

Adakah yang menulis survei singkat tentang berbagai pendekatan statistik? Untuk perkiraan pertama, Anda memiliki statistik sering dan Bayesian. Tetapi ketika Anda melihat lebih dekat, Anda juga memiliki pendekatan lain seperti likelihoodist dan empiris Bayes. Dan kemudian Anda memiliki subdivisi dalam kelompok seperti subjektif Bayes objektif Bayes dalam statistik Bayesian dll. …

17 bayesian  frequentist  philosophical 

Saya mencari tutorial yang baik tentang pengelompokan data dalam Rmenggunakan proses hierarchical dirichlet (HDP) (salah satu metode Bayesian nonparametrik populer dan terbaru). Ada DPpackage(IMHO, yang paling komprehensif dari semua yang tersedia) Runtuk analisis Bayesian nonparametrik. Tetapi saya tidak dapat memahami contoh-contoh yang diberikan dalam R Newsatau dalam manual referensi paket …

17 r  bayesian  clustering  nonparametric 

Terkunci . Pertanyaan ini dan jawabannya dikunci karena pertanyaannya di luar topik tetapi memiliki signifikansi historis. Saat ini tidak menerima jawaban atau interaksi baru. Saya membeli buku ini: Cara Mengukur Apa Pun: Menemukan Nilai Benda Tak Berwujud dalam Bisnis dan Analisis Data Kepala Pertama: Panduan Pelajar untuk Angka Besar, Statistik, …

17 machine-learning  bayesian  references 

Pemahaman saya tentang algoritma adalah sebagai berikut: No U-Turn Sampler (NUTS) adalah Metode Monte Carlo Hamilton. Ini berarti bahwa itu bukan metode Rantai Markov dan dengan demikian, algoritma ini menghindari bagian berjalan acak, yang sering dianggap tidak efisien dan lambat untuk bertemu. Alih-alih melakukan jalan acak, NUTS melakukan lompatan panjang …

17 bayesian  monte-carlo  markov-process 

Bagaimana cara menghitung posterior dengan N ~ (a, b) setelah mengamati n titik data? Saya berasumsi bahwa kita harus menghitung mean sampel dan varians dari titik data dan melakukan semacam perhitungan yang menggabungkan posterior dengan sebelumnya, tapi saya tidak begitu yakin seperti apa rumus kombinasi itu.

17 bayesian  normal-distribution  conjugate-prior 

Pertanyaan ini terinspirasi oleh dua interaksi terakhir yang saya miliki, satu di sini di CV , yang lain di economics.se. Di sana, saya telah mengirimkan jawaban ke terkenal "Envelope Paradox" (pikiran Anda, bukan sebagai yang "jawaban yang benar" tetapi sebagai jawaban mengalir dari asumsi tertentu tentang struktur situasi). Setelah beberapa …

16 bayesian  mathematical-statistics  prior  theory  philosophical 

Perkiraan perhitungan Bayesian adalah teknik yang sangat keren untuk pemasangan pada dasarnya setiap model stokastik, yang ditujukan untuk model-model di mana kemungkinannya tidak dapat diterapkan (katakanlah, Anda dapat mengambil sampel dari model jika Anda memperbaiki parameter tetapi Anda tidak dapat menghitung kemungkinan secara numerik, algoritmik, atau analitis menghitung kemungkinan). Saat …

16 bayesian  simulation  model  likelihood  abc 

Pertanyaan ini merupakan tindak lanjut teknis dari pertanyaan ini . Saya mengalami kesulitan memahami dan mereplikasi model yang disajikan dalam Raftery (1988): Inferensi untuk parameter binomial NNN: pendekatan hirarkis Bayes di WinBUGS / OpenBUGS / JAGS. Ini bukan hanya tentang kode, jadi itu harus sesuai topik di sini. Latar Belakang …

16 bayesian  binomial  hierarchical-bayesian  winbugs