Pertanyaan yang diberi tag «hierarchical-bayesian»

Model Bayier Hierarchical menentukan prior pada parameter dan hyperpriors pada parameter distribusi sebelumnya

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 …

3
Model Multinomial-Dirichlet dengan distribusi hyperprior pada parameter konsentrasi
Saya akan mencoba menggambarkan masalah yang dihadapi secara umum. Saya memodelkan pengamatan sebagai distribusi kategoris dengan parameter probabilitas vektor theta. Kemudian, saya berasumsi vektor parameter theta mengikuti Dirichlet prior distribution dengan parameter .α1, α2, ... , αkα1,α2,…,αk\alpha_1,\alpha_2,\ldots,\alpha_k Apakah mungkin juga untuk memaksakan distribusi hyperprior ke parameter ? Apakah itu harus …

2
Model hierarkis untuk perbandingan multipel - konteks hasil berganda
Saya baru saja (kembali) membaca Gelman's Why kita (biasanya) tidak perlu khawatir tentang beberapa perbandingan . Khususnya bagian "Berbagai hasil dan tantangan lain" menyebutkan menggunakan model hierarkis untuk situasi ketika ada beberapa tindakan terkait dari orang / unit yang sama pada waktu / kondisi yang berbeda. Tampaknya memiliki sejumlah properti …

4
Model Sejarah Acara Diskrit-Waktu (Bertahan Hidup) di R
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 

2
Perbandingan antara penaksir Bayes
Pertimbangkan kerugian kuadratik , dengan diberikan sebelumnya mana . Misalkan kemungkinan. Temukan estimator Bayes .L(θ,δ)=(θ−δ)2L(θ,δ)=(θ−δ)2L(\theta,\delta)=(\theta-\delta)^2π(θ)π(θ)\pi(\theta)π(θ)∼U(0,1/2)π(θ)∼U(0,1/2)\pi(\theta)\sim U(0,1/2)f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|\theta)=\theta x^{\theta-1}\mathbb{I}_{[0,1]}(x), \theta>0δπδπ\delta^\pi Pertimbangkan kehilangan kuadratik tertimbang mana dengan prior . Biarkan menjadi kemungkinannya. Temukan estimator Bayes .Lw(θ,δ)=w(θ)(θ−δ)2Lw(θ,δ)=w(θ)(θ−δ)2L_w(\theta,\delta)=w(\theta)(\theta-\delta)^2w(θ)=I(−∞,1/2)w(θ)=I(−∞,1/2)w(\theta)=\mathbb{I}_{(-\infty,1/2)}π1(θ)=I[0,1](θ)π1(θ)=I[0,1](θ)\pi_1(\theta)=\mathbb{I}_{[0,1]}(\theta)f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|\theta)=\theta x^{\theta-1}\mathbb{I}_{[0,1]}(x), \theta>0δπ1δ1π\delta^\pi_1 Bandingkan danδπδπ\delta^\piδπ1δ1π\delta^\pi_1 Pertama saya perhatikan bahwa , dan saya berasumsi bahwa itu adalah kemungkinannya, kalau …

1
Distribusi Hyperprior untuk parameter (skala matriks dan derajat kebebasan) dari wishart sebelum matriks kovarians terbalik
Saya memperkirakan beberapa matriks kovarians terbalik dari serangkaian pengukuran di berbagai subpopulasi menggunakan wishart sebelum di jags / rjags / R. Alih-alih menentukan matriks skala dan derajat kebebasan pada matriks kovarians terbalik sebelumnya (distribusi wishart), saya ingin menggunakan hyperprior pada matriks skala dan derajat kebebasan, sehingga mereka dapat diperkirakan dari …

2
Pemilihan fitur pada model linear umum hirarkis Bayesian
Saya ingin memperkirakan GLM hirarkis tetapi dengan pemilihan fitur untuk menentukan kovariat mana yang relevan pada tingkat populasi untuk dimasukkan. Misalkan saya punya GGGgrup dengan pengamatan dan kemungkinan kovariat Yaitu, saya memiliki matriks desain kovariat , hasil . Koefisien pada kovariat ini adalah .NNNKKKx(N⋅G)×Kx(N⋅G)×K\boldsymbol{x}_{(N\cdot G) \times K}y(N⋅G)×1y(N⋅G)×1\boldsymbol{y}_{(N\cdot G) \times 1}βK×1βK×1\beta_{K …

2
Mengapa campuran konjugat penting?
Saya punya pertanyaan tentang campuran prior konjugat. Saya belajar dan mengatakan campuran beberapa konjugasi beberapa kali ketika saya belajar bayesian. Saya bertanya-tanya mengapa teorema ini sangat penting, bagaimana kita akan menerapkannya ketika kita melakukan analisis Bayesian. Untuk lebih spesifik, satu teorema dari Diaconis dan Ylivisaker 1985 mengilustrasikan teorema sebagai berikut: …

1
Apakah rstan atau perkiraan kisi saya salah: memutuskan antara taksiran kuantil yang saling bertentangan dalam inferensi Bayesian
Saya memiliki model untuk mencapai perkiraan Bayesian ukuran populasi dan probabilitas deteksi dalam distribusi binomial semata-mata berdasarkan pada jumlah obyek yang diamati yang diamati : untuk . Untuk kesederhanaan, kita asumsikan bahwa N ditetapkan pada nilai yang sama dan tidak diketahui untuk setiap y_i . Dalam contoh ini, y = …

1
Merencanakan "permukaan median posterior"
Sebagai bagian dari mereproduksi model yang saya jelaskan sebagian dalam pertanyaan tentang Stack Overflow ini, saya ingin mendapatkan sebidang distribusi posterior. Model (spasial) menggambarkan harga jual beberapa properti sebagai distribusi Bernoulli tergantung pada apakah properti itu mahal (1) atau murah (0). Dalam persamaan: ysaya∼ Bernoulli (halsaya)ysaya∼Bernoulli(halsaya)y_{i} \sim \text{Bernoulli}(p_{i}) halsaya∼logit- 1(b0+b1LivingArea …

1
Pemodelan hirarki Bayesian tingkat kejadian
Buku Kevin Murphy membahas masalah Hierarchical Bayesian klasik (awalnya dibahas dalam Johnson and Albert, 1999, p24): Misalkan kita mencoba memperkirakan tingkat kanker di NNNkota. Di setiap kota, kami mencicipi sejumlah individuNiNiN_i dan mengukur jumlah penderita kanker xi∼Bin(Ni,θi)xi∼Bin(Ni,θi)x_i \sim \text{Bin}(N_i, \theta_i)dimana θiθi\theta_i adalah tingkat kanker sejati di kota. Kami ingin memperkirakan …

4
Distribusi proposal matriks kovarian
Dalam implementasi MCMC model hirarkis, dengan efek acak normal dan Wishart sebelum matriks kovariannya, sampling Gibbs biasanya digunakan. Namun, jika kita mengubah distribusi efek acak (mis. Ke Student's-t atau yang lain), konjugasinya hilang. Dalam hal ini, apa yang akan menjadi distribusi proposal yang sesuai (yaitu mudah ditembus) untuk matriks kovarians …

1
Analisis Bayesian hierarkis tentang perbedaan proporsi
Kenapa Hierarkis? : Saya sudah mencoba meneliti masalah ini, dan dari apa yang saya pahami, ini adalah masalah "hierarkis", karena Anda membuat pengamatan tentang pengamatan dari suatu populasi, daripada membuat pengamatan langsung dari populasi itu. Referensi: http://www.econ.umn.edu/~bajari/iosp07/rossi1.pdf Kenapa Bayesian? : Juga, saya telah menandainya sebagai Bayesian karena solusi asimptotik / …

1
Tingkat apa yang digunakan ketika membandingkan subjek dalam analisis Bayesian hirarkis?
Katakanlah saya memiliki percobaan di mana saya menguji waktu reaksi sejumlah subjek di mana setiap subjek membuat banyak percobaan waktu reaksi. Dalam kerangka Bayesian, waktu reaksi ( ) dapat dimodelkan oleh model hierarkis dengan distribusi sebelumnya baik pada tingkat subjek maupun untuk seluruh kelompok subjek. Diagram model, gaya Kruschke , …
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.