Pertanyaan yang diberi tag «bayesian»

Dalam statistik frequentist, interval kepercayaan 95% adalah prosedur penghasil interval yang, jika diulang berkali-kali, akan mengandung parameter sebenarnya 95% dari waktu. Mengapa ini berguna? Interval kepercayaan sering disalahpahami. Mereka bukan interval yang kita dapat yakin 95% parameter dalam (kecuali jika Anda menggunakan interval kredibilitas Bayesian serupa). Interval kepercayaan diri terasa …

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

Saya sering berbicara tentang peminjaman informasi atau berbagi informasi dalam model hirarki Bayesian. Saya sepertinya tidak bisa mendapatkan jawaban langsung tentang apa arti sebenarnya ini dan apakah itu unik untuk model hierarkis Bayesian. Saya mendapatkan semacam ide: beberapa level dalam hierarki Anda berbagi parameter umum. Saya tidak tahu bagaimana ini …

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

(Pertanyaan ini terinspirasi oleh komentar dari Xi'an ini .) Diketahui bahwa jika distribusi sebelumnya tepat dan kemungkinan terdefinisi dengan baik, maka distribusi posterior tepat hampir pasti.π(θ)π(θ)\pi(\theta)L(θ|x)L(θ|x)L(\theta | x)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) Dalam beberapa kasus, kami menggunakan kemungkinan temper atau eksponen, yang mengarah ke pseudo-posterior π~(θ|x)∝π(θ)L(θ|x)απ~(θ|x)∝π(θ)L(θ|x)α\tilde\pi(\theta|x)\propto \pi(\theta) L(\theta|x)^\alphaα>0 untuk beberapa (misalnya, ini …

11 bayesian  prior  posterior 

Apakah penaksir Bayes kebal terhadap bias seleksi? Sebagian besar makalah yang membahas estimasi dalam dimensi tinggi, misalnya, seluruh data sekuens genom, akan sering menimbulkan masalah bias seleksi. Bias seleksi muncul dari fakta bahwa, meskipun kami memiliki ribuan calon prediktor, hanya sedikit yang akan dipilih dan inferensi dilakukan pada beberapa yang …

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

Saya membaca slide Steven Scott tentang paket BSTS R (Anda dapat menemukannya di sini: slide ). Pada titik tertentu, ketika berbicara tentang memasukkan banyak regressor dalam model deret waktu struktural ia memperkenalkan spike dan slab prior dari koefisien regresi dan mengatakan bahwa mereka lebih baik dibandingkan dengan metode hukuman. Scott …

11 r  bayesian  feature-selection  penalized  bsts 

Saya mencari beberapa makalah atau buku dengan contoh praktis dan teoritis tentang MCMC dasar untuk Bayesian Statistics (With R). Saya belum pernah belajar tentang simulasi, dan itulah sebabnya saya mencari informasi "dasar". Bisakah Anda memberi saya beberapa rekomendasi atau saran?

11 bayesian  references  mcmc 

Tampaknya ada perdebatan yang sedang berlangsung dalam komunitas Bayesian tentang apakah kita harus melakukan estimasi parameter Bayesian atau pengujian hipotesis Bayesian. Saya tertarik meminta pendapat tentang ini. Apa kekuatan dan kelemahan relatif dari pendekatan ini? Dalam konteks mana yang lebih tepat dari yang lain? Haruskah kita melakukan estimasi parameter dan …

11 hypothesis-testing  bayesian 

Ini dianggap sebagai kasus ideal di mana struktur probabilitas yang mendasari kategori dikenal dengan sempurna. Mengapa dengan Bayes classifier kita mencapai kinerja terbaik yang bisa dicapai? Apa bukti / penjelasan formal untuk ini? Karena kami selalu menggunakan pengklasifikasi Bayes sebagai tolok ukur untuk membandingkan kinerja semua pengklasifikasi lainnya.

11 probability  classification  bayesian  bayes 

Berikut ini adalah kutipan dari Pengantar Bolstad untuk Statistik Bayesian . Untuk Anda yang ahli di luar sana, ini mungkin sepele tapi saya tidak mengerti bagaimana penulis menyimpulkan bahwa kami tidak perlu melakukan integrasi untuk menghitung probabilitas posterior untuk beberapa nilai . Saya mengerti ungkapan kedua yang proporsionalitas dan dari …

11 distributions  bayesian  beta-distribution  conjugate-prior 

Mengingat rumus untuk estimasi MAP dari suatu parameter Mengapa diperlukan pendekatan MCMC (atau serupa), tidak bisakah saya mengambil turunannya, menetapkannya menjadi nol dan kemudian menyelesaikannya untuk parameter?

11 bayesian  estimation  mcmc 

Ketika saya mengetahui tentang Jeffrey sebelum kelas inferensi statistik lulusan saya, profesor saya membuatnya terdengar seperti menarik terutama karena alasan sejarah daripada karena siapa pun akan menggunakannya. Kemudian ketika saya mengambil analisis data Bayesian, kami tidak pernah diminta untuk menggunakan prior Jeffreys. Apakah ada yang benar-benar menggunakan ini dalam praktek. …

11 bayesian  prior  jeffreys-prior 

Saya menggunakan PyMC3 untuk menjalankan model Bayesian pada data saya. Saya baru untuk pemodelan Bayesian tetapi menurut beberapa posting blog , Wikipedia dan QA dari situs ini, tampaknya menjadi pendekatan yang valid untuk menggunakan faktor Bayes dan kriteria BIC untuk dapat memilih model apa yang paling mewakili data saya (yang …

11 bayesian  model-selection  pymc 

Saya harus mengakui bahwa saya sebelumnya belum pernah mendengar istilah itu di kelas, sarjana, atau pascasarjana saya. Apa artinya regresi logistik menjadi Bayesian? Saya mencari penjelasan dengan transisi dari logistik reguler ke logistik Bayesian seperti berikut ini: Ini adalah persamaan dalam model regresi linier: .E(y)=β0+β1x1+...+βnxnE(y)=β0+β1x1+...+βnxnE(y) = \beta_0 + \beta_1x_1 + …

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

Saya sedang mengerjakan derivasi dari posterior Normal-Wishart tapi saya terjebak di salah satu parameter (posterior dari matriks skala, lihat di bagian bawah). Hanya untuk konteks dan kelengkapan, berikut adalah model dan sisa turunannya: 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} Bentuk diperluas …

11 bayesian  posterior 

Misalkan Dua Kelas dan memiliki atribut dan memiliki distribusi dan . jika kita memiliki sebelumnya yang sama untuk matriks biaya berikut: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} mengapa, adalah ambang batas untuk pengklasifikasi risiko (biaya) minimum?x0&lt;0.5x0&lt;0.5x_0 < 0.5 Ini adalah …

11 machine-learning  classification  bayesian  normal-distribution  bivariate