Statistiken und Big Data bayesian

2

Flach, konjugiert und hyperprior. Was sind Sie?

Ich lese gerade über Bayes'sche Methoden in der Computation Molecular Evolution von Yang. In Abschnitt 5.2 geht es um Prioritäten und insbesondere um Nicht-informative, flache, vage, diffuse, konjugierte und hyperpriore Prioritäten. Dies könnte zu einer übermäßigen Vereinfachung führen, aber könnte jemand einfach den Unterschied zwischen diesen Arten von Prioren erklären …

15 bayesian prior

2

Abschätzung der Kovarianz-Posterior-Verteilung eines multivariaten Gaußschen

Ich muss die Verteilung eines bivariaten Gaußschen mit wenigen Stichproben "lernen", aber eine gute Hypothese zur vorherigen Verteilung, also möchte ich den Bayes'schen Ansatz verwenden. Ich habe meinen Prior definiert: P(μ)∼N(μ0,Σ0)P(μ)∼N(μ0,Σ0) \mathbf{P}(\mathbf{\mu}) \sim \mathcal{N}(\mathbf{\mu_0},\mathbf{\Sigma_0}) μ0=[00] Σ0=[160027]μ0=[00] Σ0=[160027] \mathbf{\mu_0} = \begin{bmatrix} 0 \\ 0 \end{bmatrix} \ \ \ \mathbf{\Sigma_0} = \begin{bmatrix} …

15 distributions bayesian estimation covariance posterior

2

Was ist eine "Nachrichtenübermittlungsmethode"?

Ich habe eine vage Vorstellung davon, was eine Nachrichtenübermittlungsmethode ist: ein Algorithmus, der eine Annäherung an eine Verteilung durch iteratives Erstellen von Annäherungen jedes der Faktoren der Verteilung erstellt, die von allen Annäherungen aller anderen Faktoren abhängig sind. Ich glaube, dass beide Beispiele Variation Message Passing und Expectation Propagation sind …

15 distributions bayesian references algorithms

2

Der Zusammenhang zwischen Bayes'scher Statistik und generativer Modellierung

Kann mich jemand auf eine gute Referenz verweisen, die den Zusammenhang zwischen Bayes-Statistiken und generativen Modellierungstechniken erklärt? Warum verwenden wir normalerweise generative Modelle mit Bayes'schen Techniken? Warum ist es besonders attraktiv, Bayes-Statistiken zu verwenden, wenn keine vollständigen Daten vorliegen, wenn überhaupt? Beachten Sie, dass ich aus einer eher maschinell lernorientierten …

15 bayesian generative-models

4

Konfidenzintervalle für Regressionsparameter: Bayesian vs.

Bei zwei Arrays x und y, die beide die Länge n haben, passe ich ein Modell y = a + b * x an und möchte ein 95% -Konfidenzintervall für die Steigung berechnen. Dies ist (b - delta, b + delta), wobei b in üblicher Weise und gefunden wird delta …

15 r regression bayesian confidence-interval frequentist

2

Woher kommen die vollständigen Bedingungen bei der Gibbs-Probenahme?

MCMC-Algorithmen wie Metropolis-Hastings- und Gibbs-Sampling sind Methoden zum Sampling aus den gemeinsamen posterioren Verteilungen. Ich denke, ich verstehe und kann Metropolen-Hasting ziemlich einfach implementieren - Sie wählen einfach irgendwie Startpunkte aus und gehen den Parameterraum nach dem Zufallsprinzip entlang, wobei Sie sich an der hinteren Dichte und der Vorschlagsdichte orientieren. …

15 bayesian mcmc gibbs

2

Gibt es eine Standardmethode zur Behandlung des Problems des Etikettenwechsels bei der MCMC-Schätzung von Gemischmodellen?

Das Umschalten von Markierungen (dh die posteriore Verteilung ist gegenüber dem Umschalten von Komponentenkennzeichnungen invariant) ist ein problematisches Problem, wenn MCMC zum Schätzen von Mischungsmodellen verwendet wird. Gibt es eine Standardmethode (wie allgemein anerkannt), um mit dem Problem umzugehen? Wenn es keinen Standardansatz gibt, welche Vor- und Nachteile haben dann …

15 bayesian mcmc mixture

3

Wie wählt man bei der Bayes'schen Parameterschätzung vor

Ich kenne 3 Methoden zur Parameterschätzung, ML, MAP und Bayes Ansatz. Und für den MAP- und Bayes-Ansatz müssen wir Prioritäten für die Parameter festlegen, richtig? Angenommen, ich habe dieses Modell , in dem α , β Parameter sind. Um die Schätzung unter Verwendung von MAP oder Bayes durchzuführen, habe ich …

15 bayesian estimation prior

2

Normalisierungskonstante im Bayes-Theorem

Pr(data)Pr(data)\Pr(\textrm{data}) Pr(parameters∣data)=Pr(data∣parameters)Pr(parameters)Pr(data)Pr(parameters∣data)=Pr(data∣parameters)Pr(parameters)Pr(data)\Pr(\text{parameters} \mid \text{data}) = \frac{\Pr(\textrm{data} \mid \textrm{parameters}) \Pr(\text{parameters})}{\Pr(\text{data})} wird als Normalisierungskonstante bezeichnet . Was genau ist das Was ist seine Aufgabe? Warum sieht es aus wie ? Warum hängt es nicht von den Parametern ab?Pr(data)Pr(data)\Pr(data)

15 probability bayesian

5

Gibt es mehr als Bayesianismus?

Als Student der Physik habe ich die Vorlesung "Warum ich ein Bayesianer bin" vielleicht ein halbes Dutzend Mal erlebt. Es ist immer dasselbe - der Moderator erklärt selbstgefällig, dass die Bayes'sche Interpretation der von den Massen angeblich verwendeten frequentistischen Interpretation überlegen ist. Sie erwähnen Bayes-Herrschaft, Marginalisierung, Priors und Posteriors. Was …

15 probability bayesian frequentist

1

Welche Mehrfachvergleichsmethode kann für ein älteres Modell verwendet werden: lsmeans oder glht?

Ich analysiere einen Datensatz unter Verwendung eines gemischten Effektmodells mit einem festen Effekt (Bedingung) und zwei zufälligen Effekten (Teilnehmer aufgrund des innerhalb des Motivs und des Paares). Das Modell wurde mit dem erzeugten lme4Paket: exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp). Als nächstes führte ich einen Likelihood-Ratio-Test dieses Modells gegen das Modell ohne festen Effekt (Bedingung) …

15 r repeated-measures multiple-comparisons post-hoc lsmeans bayesian posterior marginal integral anova time-series regularization machine-learning pca computational-statistics references inference regression cross-validation python random-forest chi-squared spearman-rho r machine-learning confidence-interval bagging clustering feature-selection model-selection bic hypothesis-testing kurtosis r regression residuals terminology

3

Wann ist ein Konfidenzintervall „sinnvoll“, das entsprechende glaubwürdige Intervall jedoch nicht?

Es ist häufig der Fall, dass ein Konfidenzintervall mit 95% Deckung einem glaubwürdigen Intervall sehr ähnlich ist, das 95% der posterioren Dichte enthält. Dies geschieht, wenn der Prior im letzteren Fall gleichförmig oder nahezu gleichförmig ist. Daher kann ein Konfidenzintervall häufig verwendet werden, um ein glaubwürdiges Intervall zu approximieren und …

14 bayesian confidence-interval frequentist credible-interval

1

Hamiltonian Monte Carlo für Dummies

Können Sie Dummies Schritt für Schritt erklären, wie das Hamiltonianische Monte Carlo funktioniert? PS: Ich habe gelesen , die Antworten bereits hier, Hamilton - monte carlo , und hier, Hamilton - Monte Carlo gegen Sequential Monte Carlo , und hier, Hamilton - Monte Carlo: wie Sinn des Metropolis-Hasting Vorschlag zu …

14 bayesian hmc

4

Wahrscheinlichkeit, dass die Nullhypothese wahr ist

Das mag eine häufige Frage sein, aber ich habe nie eine zufriedenstellende Antwort gefunden. Wie bestimmen Sie die Wahrscheinlichkeit, dass die Nullhypothese wahr (oder falsch) ist? Angenommen, Sie geben den Schülern zwei verschiedene Versionen eines Tests und möchten feststellen, ob die Versionen gleichwertig sind. Sie führen einen t-Test durch und …

14 probability hypothesis-testing bayesian

2

Hamiltonian Monte Carlo

Kann jemand die Grundidee hinter den Hamilton-Monte-Carlo-Methoden erläutern und in welchen Fällen werden bessere Ergebnisse erzielt als mit den Markov-Chain-Monte-Carlo-Methoden?

14 bayesian mcmc hmc

Als «bayesian» getaggte Fragen