Pertanyaan yang diberi tag «bayesian»

Bayesian inference adalah metode inferensi statistik yang bergantung pada memperlakukan parameter model sebagai variabel acak dan menerapkan teorema Bayes untuk menyimpulkan pernyataan probabilitas subyektif tentang parameter atau hipotesis, tergantung pada dataset yang diamati.

1
Apakah ada sampler Monte Carlo / MCMC yang diimplementasikan yang dapat menangani maxima distribusi posterior lokal yang terisolasi?
Saat ini saya menggunakan pendekatan bayesian untuk memperkirakan parameter untuk model yang terdiri dari beberapa ODE. Karena saya memiliki 15 parameter untuk diperkirakan, ruang pengambilan sampel saya adalah 15-dimensi dan pencarian saya untuk distribusi posterior tampaknya memiliki banyak maxima lokal yang sangat terisolasi oleh daerah besar dengan probabilitas sangat rendah. …

3
Apa yang seharusnya menjadi informasi sebelumnya untuk lereng ketika melakukan regresi linier?
Ketika melakukan regresi linear bayesian, kita perlu menetapkan prior untuk kemiringan dan mencegat . Karena adalah parameter lokasi, masuk akal untuk menetapkan seragam sebelumnya; Namun, bagi saya tampaknya mirip dengan parameter skala dan tampaknya tidak wajar untuk menetapkan seragam sebelum itu.aaabbbbbbaaa Di sisi lain, sepertinya tidak tepat untuk menetapkan Jeffrey …

1
Ketika parametrizing ulang fungsi kemungkinan, apakah cukup dengan memasukkan variabel yang ditransformasi alih-alih perubahan formula variabel?
Misalkan saya sedang mencoba untuk parametrize ulang fungsi kemungkinan yang didistribusikan secara eksponensial. Jika fungsi kemungkinan asli saya adalah: p ( y∣ θ ) = θ e- θ yp(y∣θ)=θe−θy p(y \mid \theta) = \theta e^{-\theta y} dan saya ingin mengembalikan parameter menggunakan , karena bukan variabel acak, tetapi sebuah parameter, …

1
bayesglm (lengan) versus MCMCpack
Baik bayesglm()(dalam paket arm R) dan berbagai fungsi dalam paket MCMCpack ditujukan untuk melakukan estimasi Bayesian dari model linier umum, tetapi saya tidak yakin mereka benar-benar menghitung hal yang sama. Fungsi MCMCpack menggunakan rantai Markov Monte Carlo untuk mendapatkan sampel (tergantung) dari posterior bersama untuk parameter model. bayesglm(), di sisi …

3
Model campuran 2-Gaussian inferensi dengan MCMC dan PyMC
Masalah Saya ingin menyesuaikan parameter model populasi campuran 2-Gaussian sederhana. Mengingat semua hype di sekitar metode Bayesian saya ingin mengerti jika untuk masalah ini kesimpulan Bayesian adalah alat yang lebih baik daripada metode pemasangan tradisional. Sejauh ini MCMC berkinerja sangat buruk dalam contoh mainan ini, tapi mungkin saya hanya mengabaikan …

3
Kapan harus mengakhiri tes Bayesian A / B?
Saya mencoba untuk melakukan pengujian A / B dengan cara Bayesian, seperti dalam Probabilistic Programming for Hackers dan Bayesian A / B tes . Kedua artikel berasumsi bahwa pembuat keputusan memutuskan varian mana yang lebih baik hanya berdasarkan probabilitas beberapa kriteria, misalnya , oleh karena itu, lebih baik. Probabilitas ini …

2
Sama atau berbeda? Cara Bayesian
Katakanlah saya memiliki model berikut: Poisson ( λ ) ∼ { λ1λ2jika t < τjika t ≥ τPoisson(λ)∼{λ1if t<τλ2if t≥τ\text{Poisson}(\lambda) \sim \begin{cases} \lambda_1 & \text{if } t \lt \tau \\ \lambda_2 & \text{if } t \geq \tau \end{cases} Dan saya menyimpulkan posisi untuk dan λ 2 ditunjukkan di bawah ini …

2
Apa analogi yang baik untuk menggambarkan kekuatan Model Bayesian Hierarchical?
Saya relatif baru untuk statistik bayesian dan telah menggunakan JAGS baru-baru ini untuk membangun model bayesian hirarkis pada dataset yang berbeda. Sementara saya sangat puas dengan hasilnya (dibandingkan dengan model glm standar), saya perlu menjelaskan kepada non-statistik apa perbedaan dengan model statistik standar. Terutama, saya ingin menggambarkan mengapa dan kapan …

4
Ide model campuran dan metode Bayesian
Dalam model campuran, kami mengasumsikan efek acak (parameter) adalah variabel acak yang mengikuti distribusi normal. Itu terlihat sangat mirip dengan metode Bayesian, di mana semua parameter dianggap acak. Jadi, apakah model efek acak jenis kasus khusus metode Bayesian?

2
tentang kemerdekaan bersyarat dan representasi grafisnya
Ketika mempelajari pemilihan kovarians, saya pernah membaca contoh berikut. Sehubungan dengan model berikut: Matriks kovariansnya dan matriks kovarians terbalik diberikan sebagai berikut, Saya tidak mengerti mengapa independensi dan diputuskan oleh kovarians terbalik di sini?yxxxyyy Apa logika matematika yang mendasari hubungan ini? Juga, grafik sebelah kiri pada gambar berikut diklaim untuk …

2
PyMC untuk pengelompokan nonparametrik: Proses Dirichlet untuk memperkirakan parameter campuran Gaussian gagal dikelompokkan
Pengaturan masalah Salah satu masalah mainan pertama yang ingin saya terapkan pada PyMC adalah pengelompokan nonparametrik: diberi beberapa data, modelkan sebagai campuran Gaussian, dan pelajari jumlah cluster dan rata-rata dan kovarian setiap cluster. Sebagian besar yang saya ketahui tentang metode ini berasal dari ceramah video oleh Michael Jordan dan Yee …


3
Bagaimana memvisualisasikan kebaikan Bayesian of fit untuk regresi logistik
Untuk masalah regresi logistik Bayesian, saya telah membuat distribusi prediksi posterior. Saya sampel dari distribusi prediktif dan menerima ribuan sampel (0,1) untuk setiap pengamatan yang saya miliki. Memvisualisasikan kebaikan tidak terlalu menarik, misalnya: Plot ini menunjukkan 10 000 sampel + titik datum yang diamati (cara di sebelah kiri dapat melihat …


1
Bayes faktor dengan prior yang tidak tepat
Saya punya pertanyaan tentang perbandingan model menggunakan faktor Bayes. Dalam banyak kasus, ahli statistik tertarik untuk menggunakan pendekatan Bayesian dengan prior yang tidak tepat (misalnya beberapa prior Jeffreys dan prior reference). Pertanyaan saya adalah, dalam kasus-kasus di mana distribusi posterior parameter model didefinisikan dengan baik, apakah valid untuk membandingkan model …

Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.