Pertanyaan yang diberi tag «bayesian»

Saya bingung bagaimana cara mengevaluasi distribusi prediksi posterior untuk regresi linier Bayesian, melewati kasus dasar yang dijelaskan di sini pada halaman 3, dan disalin di bawah ini. p ( y~∣ y)=∫p(y~∣β,σ2)p(β,σ2∣y)p(y~∣y)=∫p(y~∣β,σ2)p(β,σ2∣y) p(\tilde y \mid y) = \int p(\tilde y \mid \beta, \sigma^2) p(\beta, \sigma^2 \mid y) Kasus dasar adalah model …

10 regression  bayesian  predictive-models  prediction  posterior 

Saya menggunakan rumus dari pengujian ab Bayesian untuk menghitung hasil tes AB menggunakan metodologi Bayesian. Pr(pB>pA)=∑i=0αB−1B(αA+i,βB+βA)(βB+i)B(1+i,βB)B(αA,βA)Pr(pB>pA)=∑i=0αB−1B(αA+i,βB+βA)(βB+i)B(1+i,βB)B(αA,βA) \Pr(p_B > p_A) = \sum^{\alpha_B-1}_{i=0} \frac{B(\alpha_A+i,\beta_B+\beta_A)}{(\beta_B+i)B(1+i,\beta_B)B(\alpha_A, \beta_A)} dimana αAαA\alpha_A dalam satu ditambah jumlah keberhasilan untuk A βAβA\beta_A dalam satu ditambah jumlah kegagalan untuk A αBαB\alpha_B dalam satu ditambah jumlah keberhasilan untuk B βBβB\beta_B dalam …

10 r  bayesian  ab-test 

Apakah ada definisi yang tepat tentang informasi sebelumnya yang lemah? Apa bedanya dengan subyektif sebelum dengan dukungan luas?

10 bayesian  prior 

Kami memiliki sampel N, XiXiX_i , dari distribusi seragam mana tidak diketahui. Perkirakan dari data.[0,θ][0,θ][0,\theta]θθ\thetaθθ\theta Jadi, aturan Bayes ... f(θ|Xi)=f(Xi|θ)f(θ)f(Xi)f(θ|Xi)=f(Xi|θ)f(θ)f(Xi)f(\theta | {X_i}) = \frac{f({X_i}|\theta)f(\theta)}{f({X_i})} dan kemungkinannya adalah: f(Xi|θ)=∏Ni=11θf(Xi|θ)=∏i=1N1θf({X_i}|\theta) = \prod_{i=1}^N \frac{1}{\theta} (edit: ketika untuk semua , dan 0 sebaliknya - terima kasih whuber)0≤Xi≤θ0≤Xi≤θ0 \le X_i \le \thetaiii tetapi tanpa informasi …

10 bayesian  estimation  uniform  uninformative-prior 

Buku teks pertama menghasilkan beberapa data 2 kelas melalui: pemberian yang mana: dan kemudian ia bertanya: Saya mencoba menyelesaikan ini dengan terlebih dahulu memodelkan ini dengan model grafis ini: di mana adalah label, adalah indeks dari mean yang dipilih , dan adalah titik data. Ini akan membericcch(1≤h≤10)h(1≤h≤10)h\,(1\le h \le 10)mchmhcm_h^cxxx …

10 self-study  bayesian 

ini terasa seperti pertanyaan yang sangat naif tetapi saya mengalami kesulitan melihat jawabannya. Saya memiliki satu set 30 nilai. Secara mandiri saya memperoleh nilai ke-31. Hipotesis nol adalah bahwa nilai 31 adalah bagian dari distribusi yang sama. Alternatifnya berbeda. Saya ingin semacam nilai p atau ukuran kemungkinan. Beberapa pemikiran yang …

10 hypothesis-testing  bayesian  t-test 

Saya mencoba menyesuaikan model waktu-diskrit dalam R, tapi saya tidak yakin bagaimana melakukannya. Saya telah membaca bahwa Anda dapat mengatur variabel dependen dalam baris yang berbeda, satu untuk setiap pengamatan waktu, dan menggunakan glmfungsi dengan logit atau tautan cloglog. Dalam hal ini, saya memiliki tiga kolom: ID, Event(1 atau 0, …

10 r  survival  pca  sas  matlab  neural-networks  r  logistic  spatial  spatial-interaction-model  r  time-series  econometrics  var  statistical-significance  t-test  cross-validation  sample-size  r  regression  optimization  least-squares  constrained-regression  nonparametric  ordinal-data  wilcoxon-signed-rank  references  neural-networks  jags  bugs  hierarchical-bayesian  gaussian-mixture  r  regression  svm  predictive-models  libsvm  scikit-learn  probability  self-study  stata  sample-size  spss  wilcoxon-mann-whitney  survey  ordinal-data  likert  group-differences  r  regression  anova  mathematical-statistics  normal-distribution  random-generation  truncation  repeated-measures  variance  variability  distributions  random-generation  uniform  regression  r  generalized-linear-model  goodness-of-fit  data-visualization  r  time-series  arima  autoregressive  confidence-interval  r  time-series  arima  autocorrelation  seasonality  hypothesis-testing  bayesian  frequentist  uninformative-prior  correlation  matlab  cross-correlation 

Apa yang terjadi ketika Anda tidak memiliki gagasan tentang distribusi parameter? Pendekatan apa yang harus kita gunakan? Sebagian besar waktu kami bertujuan untuk menggarisbawahi jika variabel tertentu memiliki pengaruh terhadap ada / tidaknya spesies tertentu, dan variabel tersebut diterima atau tidak sesuai dengan variabel pentingnya. Ini berarti bahwa sebagian besar …

10 r  bayesian  mcmc  bugs  winbugs 

Saat melakukan statistik frequentist, ada daftar panjang no-no, seperti melihat hasil tes statistik sebelum memutuskan untuk mengumpulkan lebih banyak data. Secara umum saya bertanya-tanya apakah ada daftar no-no yang mirip untuk metodologi yang terlibat dalam statistik Bayesian, dan khususnya apakah yang berikut ini adalah salah satunya. Baru-baru ini saya menyadari …

10 bayesian  methodology 

Saya adalah pengguna baru WinBUGS dan memiliki satu pertanyaan untuk bantuan Anda. Setelah menjalankan kode berikut, saya mendapatkan parameter beta0through beta4(stats, density), tetapi saya tidak tahu bagaimana mendapatkan prediksi nilai terakhir h, yang saya atur NAmenjadi model dalam kode. Apakah ada yang bisa memberi saya petunjuk? Saran apa pun akan …

10 bayesian  bugs  prediction  winbugs 

Ini hanya contoh yang saya temui beberapa kali, jadi saya tidak punya data sampel. Menjalankan model regresi linier di R: a.lm = lm(Y ~ x1 + x2) x1adalah variabel kontinu. x2bersifat kategorikal dan memiliki tiga nilai, mis. "Rendah", "Sedang" dan "Tinggi". Namun output yang diberikan oleh R akan menjadi seperti: …

10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 

Pertanyaan: Dengan rantai MCMC 10 dimensi, katakanlah saya siap memberikan Anda sebuah matriks undian: 100.000 iterasi (baris) dengan 10 parameter (kolom), bagaimana cara terbaik saya mengidentifikasi mode posterior? Saya terutama memperhatikan beberapa mode. Latar Belakang:Saya menganggap diri saya seorang ahli statistik yang mengerti secara komputasi, tetapi ketika seorang kolega bertanya …

10 r  bayesian  mcmc  k-nearest-neighbour  mode 

Ada banyak pertanyaan (seperti ini ) tentang beberapa ambiguitas dengan formula Bayes dalam kasus berkelanjutan. p ( θ | x ) =p(x|θ)⋅p(θ)p(x)p(θ|x)=p(x|θ)⋅p(θ)p(x)p(\theta | x) = \frac{p(x | \theta) \cdot p(\theta)}{p(x)} Sering kali, kebingungan timbul dari kenyataan bahwa definisi distribusi bersyarat dijelaskan sebagai menjadi fungsi diberikan tetap .f(variable|parameter)f(variable|parameter)f(variable | parameter) fffv …

10 distributions  bayesian  conditional-probability  likelihood 

Selama setahun terakhir, saya telah banyak mendengar tentang kerangka kerja Programming Probabilistic (PP) seperti PyMC3 dan Stan , dan betapa hebatnya PP. Dan hari ini, seseorang membagikan tautan ini kepada saya: Pyro: Bahasa Pemrograman Probabilitas Jauh Namun, saya tidak benar-benar mengikuti apa yang istimewa tentang itu karena rasanya seperti apa …

10 bayesian  modeling  inference  software 

Pertimbangkan fungsi kepadatan posterior yang diberikan (seperti biasa) oleh π( θ )∏i = 1nf(xsaya; θ ) ,π(θ)∏i=1nf(xi;θ), \pi(\theta) \prod_{i=1}^n f(x_i;\theta), dengan kepadatan sebelumnya ππ\pi dan distribusi f( ⋅ ; θ )f(⋅;θ)f(\cdot;\theta) dari nnn pengamatan x1, ... ,xnx1,…,xnx_1, \dots, x_n, tergantung pada nilai parameter θθ\theta. Dalam kondisi tertentu, distribusi posterior normal …

10 bayesian  asymptotics