Pertanyaan yang diberi tag «uninformative-prior»

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 …

16 bayesian  prior  beta-distribution  uninformative-prior 

Mengapa bahkan memiliki prior non-informatif? Mereka tidak memberikan informasi tentang . Jadi mengapa menggunakannya? Mengapa tidak hanya menggunakan prior informatif? Misalnya, misalkan . Lalu apakah adalah non-informatif sebelum ?θ ∈ [ 0 , 1 ] θ ∼ U ( 0 , 1 ) θθθ\thetaθ ∈ [ 0 , 1 ]θ∈[0,1] …

12 bayesian  uninformative-prior  jeffreys-prior 

Saya menemukan gambar ini di sebuah posting blog di sini . Saya kecewa karena membaca pernyataan itu tidak menghasilkan ekspresi wajah yang sama bagi saya seperti yang terjadi pada orang ini. Jadi, apa yang dimaksud dengan pernyataan bahwa hipotesis nol adalah seberapa sering pengekspresi mengungkapkan informasi sebelumnya? Benarkah itu benar? …

11 hypothesis-testing  bayesian  frequentist  uninformative-prior 

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 …

10 regression  bayesian  uninformative-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 

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 

Saya tahu prior Zellner menggunakan data untuk mengatur informasi sebelumnya, tetapi sebenarnya seluruh model tergantung pada data. Apakah ada alasan lain?

9 regression  bayesian  uninformative-prior 

Saya telah membaca komentar yang bagus mengenai bagaimana menangani nilai yang hilang sebelum menerapkan SVD, tetapi saya ingin tahu cara kerjanya dengan contoh sederhana: Movie1 Movie2 Movie3 User1 5 4 User2 2 5 5 User3 3 4 User4 1 5 User5 5 1 5 Mengingat matriks di atas, jika saya …

8 r  missing-data  data-imputation  svd  sampling  matlab  mcmc  importance-sampling  predictive-models  prediction  algorithms  graphical-model  graph-theory  r  regression  regression-coefficients  r-squared  r  regression  modeling  confounding  residuals  fitting  glmm  zero-inflation  overdispersion  optimization  curve-fitting  regression  time-series  order-statistics  bayesian  prior  uninformative-prior  probability  discrete-data  kolmogorov-smirnov  r  data-visualization  histogram  dimensionality-reduction  classification  clustering  accuracy  semi-supervised  labeling  state-space-models  t-test  biostatistics  paired-comparisons  paired-data  bioinformatics  regression  logistic  multiple-regression  mixed-model  random-effects-model  neural-networks  error-propagation  numerical-integration  time-series  missing-data  data-imputation  probability  self-study  combinatorics  survival  cox-model  statistical-significance  wilcoxon-mann-whitney  hypothesis-testing  distributions  normal-distribution  variance  t-distribution  probability  simulation  random-walk  diffusion  hypothesis-testing  z-test  hypothesis-testing  data-transformation  lognormal  r  regression  agreement-statistics  classification  svm  mixed-model  non-independent  observational-study  goodness-of-fit  residuals  confirmatory-factor  neural-networks  deep-learning 

Prior yang tidak informatif lebih disukai dalam kasus di mana bias tidak dapat diterima (mis. Ruang sidang, dll.) Namun, bagi saya tampaknya masuk akal untuk menggunakan pendekatan frequentist saja. Mengapa pendekatan Bayesian bahkan memiliki prior non-informatif? Terima kasih!

8 bayesian  prior  uninformative-prior 

Fungsi likelihood dari distribusi lognormal adalah: f(x;μ,σ)∝∏ni11σxiexp(−(lnxi−μ)22σ2)f(x;μ,σ)∝∏i1n1σxiexp⁡(−(ln⁡xi−μ)22σ2)f(x; \mu, \sigma) \propto \prod_{i_1}^n \frac{1}{\sigma x_i} \exp \left ( - \frac{(\ln{x_i} - \mu)^2}{2 \sigma^2} \right ) dan Prioritas Jeffreys adalah: p(μ,σ)∝1σ2p(μ,σ)∝1σ2p(\mu,\sigma) \propto \frac{1}{\sigma^2} jadi menggabungkan keduanya memberi: f(μ,σ2|x)=∏ni11σxiexp(−(lnxi−μ)22σ2)⋅σ−2f(μ,σ2|x)=∏i1n1σxiexp⁡(−(ln⁡xi−μ)22σ2)⋅σ−2f(\mu,\sigma^2|x)= \prod_{i_1}^n \frac{1}{\sigma x_i} \exp \left ( - \frac{(\ln{x_i} - \mu)^2}{2 \sigma^2} \right ) \cdot \sigma^{-2} …

8 bayesian  prior  posterior  conjugate-prior  uninformative-prior 

Saya sedang mengerjakan model yang mengandalkan fungsi parametrized jelek yang berfungsi sebagai fungsi kalibrasi pada bagian model. Menggunakan pengaturan Bayesian, saya perlu mendapatkan prior non-informatif untuk parameter yang menggambarkan fungsi saya. Saya tahu bahwa idealnya, saya harus mengambil referensi atau setidaknya Jeffreys priors tetapi fungsinya sangat jelek, memiliki banyak parameter …

8 bayesian  inference  prior  uninformative-prior