Als «bayesian» getaggte Fragen

Die Bayes'sche Inferenz ist eine Methode der statistischen Inferenz, die darauf beruht, die Modellparameter als Zufallsvariablen zu behandeln und den Bayes'schen Satz anzuwenden, um subjektive Wahrscheinlichkeitsaussagen über die Parameter oder Hypothesen abzuleiten, abhängig vom beobachteten Datensatz.

1
Fragen zum Wahrscheinlichkeitsprinzip
Ich versuche derzeit, das Likelihood-Prinzip zu verstehen und verstehe es ehrlich gesagt überhaupt nicht. Also werde ich alle meine Fragen als Liste schreiben, auch wenn dies ziemlich grundlegende Fragen sein mögen. Was genau bedeutet "alle Informationen" im Kontext dieses Prinzips? (Wie bei allen Informationen in einer Stichprobe ist die Wahrscheinlichkeitsfunktion …
4
Unter welchen Bedingungen fallen bayesianische und frequentistische Punktschätzer zusammen?
Mit einem flachen Prior fallen die Schätzer ML (Frequentist - Maximum Likelihood) und MAP (Bayesian - Maximum A Posteriori) zusammen. Im Allgemeinen spreche ich jedoch von Punktschätzern, die als Optimierer einer Verlustfunktion abgeleitet wurden. Dh (Bayesian) x (x^(.)=argminE(L(X−x^(y))|y) (Bayesian) x^(.)=argminE(L(X−x^(y))|y) (Bayesian) \hat x(\,. ) = \text{argmin} \; \mathbb{E} \left( L(X-\hat …
2
Frequentismus und Priors
Robby McKilliam sagt in einem Kommentar zu diesem Beitrag: Es sollte darauf hingewiesen werden, dass es aus Sicht der Frequentisten keinen Grund gibt, das Vorwissen nicht in das Modell zu integrieren. In diesem Sinne ist die frequentistische Ansicht einfacher, Sie haben nur ein Modell und einige Daten. Es ist nicht …
1
Die Eingabeparameter für die Verwendung der latenten Dirichlet-Zuordnung
Bei Verwendung der Themenmodellierung (Latent Dirichlet Allocation) ist die Anzahl der Themen ein Eingabeparameter, den der Benutzer angeben muss. Ich denke, wir sollten auch eine Sammlung von Kandidatenthemensätzen bereitstellen, mit denen der Dirichlet-Prozess verglichen werden muss. Ist mein Verständnis korrekt? Wie kann man in der Praxis ein solches Kandidatenthemaset einrichten?
2
Statistische Landschaft
Hat jemand einen kurzen Überblick über die verschiedenen Ansätze zur Statistik geschrieben? Zu einer ersten Annäherung haben Sie frequentistische und bayesianische Statistiken. Wenn Sie genauer hinschauen, haben Sie aber auch andere Ansätze wie likelihoodistische und empirische Bayes. Und dann haben Sie Unterteilungen in Gruppen wie subjektive Bayes objektive Bayes innerhalb …
2
Nichtparametrische Bayes'sche Analyse in R
Ich bin auf der Suche nach einem guten Tutorial zum Clustering von Daten Rmithilfe des hierarchischen Dirichlet-Prozesses (HDP) (eine der neuesten und beliebtesten nichtparametrischen Bayes-Methoden). Für die nichtparametrische Bayes'sche Analyse gibt es DPpackage(IMHO, die umfassendste aller verfügbaren) R. Aber ich kann die Beispiele im R Newsoder im Referenzhandbuch der Verpackung …
2
Kann mir jemand NUTS auf Englisch erklären?
Ich verstehe den Algorithmus wie folgt: No U-Turn Sampler (NUTS) ist eine Hamilton-Monte-Carlo-Methode. Dies bedeutet, dass es sich nicht um eine Markov-Kettenmethode handelt und dieser Algorithmus daher den Random-Walk-Teil vermeidet, der häufig als ineffizient und langsam konvergierend angesehen wird. Anstatt den Zufallsrundgang zu machen, macht NUTS Sprünge der Länge x. …
3
Bayesianische Aktualisierung mit neuen Daten
Wie berechnen wir einen Posterior mit einem vorherigen N ~ (a, b), nachdem wir n Datenpunkte beobachtet haben? Ich gehe davon aus, dass wir den Stichprobenmittelwert und die Varianz der Datenpunkte berechnen und eine Art Berechnung durchführen müssen, die den hinteren mit dem vorherigen kombiniert, aber ich bin nicht ganz …
2
Was wäre ein Beispiel für ein wirklich einfaches Modell mit einer unlösbaren Wahrscheinlichkeit?
Die ungefähre Bayes'sche Berechnung ist eine wirklich coole Technik, um im Grunde jedes stochastische Modell anzupassen, das für Modelle gedacht ist, bei denen die Wahrscheinlichkeit schwer zu bestimmen ist (Sie können beispielsweise aus dem Modell eine Stichprobe ziehen, wenn Sie die Parameter festlegen , die Wahrscheinlichkeit jedoch nicht numerisch, algorithmisch …
4
Wann sind Bayes'sche Methoden Frequentisten vorzuziehen?
Ich möchte wirklich etwas über Bayesianische Techniken lernen, also habe ich versucht, mich selbst ein bisschen beizubringen. Es fällt mir jedoch schwer zu sehen, ob Bayesianische Techniken jemals einen Vorteil gegenüber Frequentist-Methoden bringen. Zum Beispiel: Ich habe in der Literatur gesehen, wie einige informative Prioritäten verwenden, während andere nicht informative …
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.