Pertanyaan yang diberi tag «prior»

Dalam statistik Bayesian, distribusi sebelumnya memformalkan informasi atau pengetahuan (sering subyektif), tersedia sebelum sampel dilihat, dalam bentuk distribusi probabilitas. Distribusi dengan penyebaran besar digunakan ketika sedikit yang diketahui tentang parameter, sedangkan distribusi sebelumnya yang lebih sempit mewakili tingkat informasi yang lebih besar.

1
Memilih antara prior beta yang tidak informatif
Saya mencari prior yang tidak informatif untuk distribusi beta agar dapat bekerja dengan proses binomial (Hit / Miss). Pada awalnya saya berpikir tentang menggunakan α=1,β=1α=1,β=1\alpha=1, \beta=1 yang menghasilkan PDF yang seragam, atau Jeffrey sebelumnya α=0.5,β=0.5α=0.5,β=0.5\alpha=0.5, \beta=0.5 . Tapi saya sebenarnya mencari prior yang memiliki efek minimum pada hasil posterior, dan …

3
Cara memilih sebelumnya dalam estimasi parameter Bayesian
Saya tahu 3 metode untuk melakukan estimasi parameter, pendekatan ML, MAP dan Bayes. Dan untuk pendekatan MAP dan Bayes, kita perlu memilih prior untuk parameter, kan? Katakanlah saya memiliki model ini , di mana α , β adalah parameter, untuk melakukan estimasi menggunakan MAP atau Bayes, saya membaca di buku …

2
Regresi punggungan - interpretasi Bayesian
Saya telah mendengar bahwa regresi ridge dapat diturunkan sebagai rata-rata distribusi posterior, jika prior dipilih secara memadai. Apakah intuisi bahwa kendala seperti yang ditetapkan pada koefisien regresi oleh sebelumnya (misalnya distribusi normal standar sekitar 0) adalah identik / ganti hukuman yang ditetapkan pada ukuran kuadrat dari koefisien? Apakah sebelumnya harus …

3
Mengapa tidak ada yang menggunakan klasifikasi Bayesian multinomial Naive Bayes?
Jadi dalam pemodelan teks (tanpa pengawasan), Latent Dirichlet Allocation (LDA) adalah versi Bayesian dari Probabilistic Latent Semantic Analysis (PLSA). Intinya, LDA = PLSA + Dirichlet sebelum parameternya. Pemahaman saya adalah bahwa LDA sekarang menjadi algoritma referensi dan diimplementasikan dalam berbagai paket, sementara PLSA seharusnya tidak digunakan lagi. Tetapi dalam kategorisasi …

1
Apa intuisi di balik sampel yang dapat ditukar di bawah hipotesis nol?
Tes permutasi (juga disebut tes pengacakan, uji pengacakan ulang, atau tes yang tepat) sangat berguna dan berguna ketika asumsi distribusi normal yang diperlukan misalnya, t-testtidak terpenuhi dan ketika transformasi nilai dengan peringkat dari tes non-parametrik seperti Mann-Whitney-U-testakan menyebabkan lebih banyak informasi hilang. Namun, satu dan hanya satu asumsi yang tidak …
15 hypothesis-testing  permutation-test  exchangeability  r  statistical-significance  loess  data-visualization  normal-distribution  pdf  ggplot2  kernel-smoothing  probability  self-study  expected-value  normal-distribution  prior  correlation  time-series  regression  heteroscedasticity  estimation  estimators  fisher-information  data-visualization  repeated-measures  binary-data  panel-data  mathematical-statistics  coefficient-of-variation  normal-distribution  order-statistics  regression  machine-learning  one-class  probability  estimators  forecasting  prediction  validation  finance  measurement-error  variance  mean  spatial  monte-carlo  data-visualization  boxplot  sampling  uniform  chi-squared  goodness-of-fit  probability  mixture  theory  gaussian-mixture  regression  statistical-significance  p-value  bootstrap  regression  multicollinearity  correlation  r  poisson-distribution  survival  regression  categorical-data  ordinal-data  ordered-logit  regression  interaction  time-series  machine-learning  forecasting  cross-validation  binomial  multiple-comparisons  simulation  false-discovery-rate  r  clustering  frequency  wilcoxon-mann-whitney  wilcoxon-signed-rank  r  svm  t-test  missing-data  excel  r  numerical-integration  r  random-variable  lme4-nlme  mixed-model  weighted-regression  power-law  errors-in-variables  machine-learning  classification  entropy  information-theory  mutual-information 

2
Datar, konjugat, dan hiperpriors. Apakah mereka?
Saat ini saya membaca tentang Metode Bayesian dalam Komputasi Evolusi Molekul oleh Yang. Dalam bagian 5.2 ini berbicara tentang prior, dan secara khusus Non-informatif / flat / samar-samar / menyebar, konjugat, dan hiper-prior. Ini mungkin meminta penyederhanaan yang berlebihan tetapi, dapatkah seseorang menjelaskan secara sederhana perbedaan antara jenis-jenis prior ini …
15 bayesian  prior 

2
Apa distribusi sebelum yang baik untuk derajat kebebasan dalam distribusi?
Saya ingin menggunakan distribusi untuk memodelkan pengembalian aset interval pendek dalam model bayesian. Saya ingin memperkirakan derajat kebebasan (bersama dengan parameter lain dalam model saya) untuk distribusi. Saya tahu pengembalian aset sangat tidak normal, tetapi saya tidak tahu terlalu banyak. Apa distribusi sebelum yang tepat, agak informatif untuk tingkat kebebasan …


2
Parameter tanpa prior prior dalam Stan
Saya baru mulai belajar menggunakan Stan dan rstan. Kecuali saya selalu bingung tentang cara kerja JAGS / BUGS, saya pikir Anda selalu harus mendefinisikan distribusi jenis sebelumnya untuk setiap parameter dalam model yang akan diambil. Tampaknya Anda tidak harus melakukan ini di Stan berdasarkan pada dokumentasinya. Berikut contoh model yang …

2
Membuat Bayesian sebelum dari hasil yang sering
Bagaimana seharusnya seseorang mengubah hasil yang sering menjadi Bayesian prior? Pertimbangkan skenario umum yang cukup umum: Eksperimen dilakukan di masa lalu dan hasilnya pada beberapa parameter diukur. Analisis dilakukan dengan metodologi frequentist. Interval kepercayaan untuk diberikan dalam hasil.ϕϕ\phiϕϕ\phi Saya sekarang sedang melakukan beberapa percobaan baru di mana saya ingin mengukur …


1
Kapan saya harus khawatir tentang paradoks Jeffreys-Lindley dalam pilihan model Bayesian?
Saya sedang mempertimbangkan ruang besar (tetapi terbatas) model kompleksitas yang berbeda yang saya jelajahi menggunakan RJMCMC . Sebelumnya pada vektor parameter untuk setiap model cukup informatif. Dalam kasus apa (jika ada) yang harus saya khawatirkan dengan paradoks Jeffreys-Lindley yang mendukung model yang lebih sederhana ketika salah satu model yang lebih …

3
Jeffreys Prior untuk distribusi normal dengan mean dan varian tidak diketahui
Saya membaca tentang distribusi sebelumnya dan saya menghitung Jeffrey sebelumnya untuk sampel variabel acak yang terdistribusi normal dengan rerata tidak diketahui dan tidak diketahui. Menurut perhitungan saya, berikut ini berlaku untuk Jeffreys sebelumnya: Di sini, adalah matriks informasi Fisher.p(μ,σ2)=det(I)−−−−−√=det(1/σ2001/(2σ4))−−−−−−−−−−−−−−−−−−√=12σ6−−−−√∝1σ3.p(μ,σ2)=det(I)=det(1/σ2001/(2σ4))=12σ6∝1σ3. p(\mu,\sigma^2)=\sqrt{det(I)}=\sqrt{det\begin{pmatrix}1/\sigma^2 & 0 \\ 0 & 1/(2\sigma^4)\end{pmatrix}}=\sqrt{\frac{1}{2\sigma^6}}\propto\frac{1}{\sigma^3}.III Namun, saya juga sudah …

2
Dapatkah kemungkinan sebelum dan secara eksponensial yang tepat mengarah pada posterior yang tidak tepat?
(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 …

1
Apakah ahli statistik menggunakan sebelum Jeffrey dalam pekerjaan terapan yang sebenarnya?
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. …

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.