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.

7
Wie viel muss ich bezahlen? Ein praktisches Problem
Dies ist keine Hausaufgabenfrage, sondern ein echtes Problem, mit dem unser Unternehmen konfrontiert ist. Vor kurzem (vor 2 Tagen) haben wir bei einem Händler die Herstellung von 10000 Produktetiketten bestellt. Der Händler ist eine unabhängige Person. Er lässt die Etiketten von außen herstellen und bezahlt sie an den Händler. Jedes …
8
Was ist ein gutes, überzeugendes Beispiel, bei dem p-Werte nützlich sind?
Meine Frage im Titel ist selbsterklärend, aber ich möchte ihr einen Kontext geben. Die ASA veröffentlichte Anfang dieser Woche eine Erklärung „ zu p-Werten: Kontext, Prozess und Zweck “, in der verschiedene häufig vorkommende Missverständnisse des p-Werts umrissen und zur Vorsicht gedrängt wurden, ihn nicht ohne Kontext und Gedanken zu …
8
Bayesianer: Sklaven der Wahrscheinlichkeitsfunktion?
In seinem Buch "All of Statistics" präsentiert Prof. Larry Wasserman das folgende Beispiel (11.10, Seite 188). Angenommen, wir haben eine Dichte , so daß , wobei ein bekannter (nicht - negativ, integrierbare) -Funktion, und die Normierungskonstante ist unbekannt .ffff(x)=cg(x)f(x)=cg(x)f(x)=c\,g(x)c > 0gggc>0c>0c>0 Wir interessieren uns für die Fälle, in denen wir …
5
Warum ist der Jeffreys Prior nützlich?
Ich verstehe, dass der Jeffreys-Prior unter Umparametrierung unveränderlich ist. Was ich jedoch nicht verstehe, ist, warum diese Eigenschaft gewünscht wird. Warum möchten Sie nicht, dass sich das Vorher bei einem Variablenwechsel ändert?
61 bayesian  prior 
6
Wohin ging die häufig-bayesianische Debatte?
Die Welt der Statistik war geteilt zwischen Frequentisten und Bayesianern. In diesen Tagen scheint es, dass jeder ein bisschen von beidem tut. Wie kann das sein? Wenn die unterschiedlichen Ansätze für unterschiedliche Probleme geeignet sind, warum haben die Gründerväter der Statistik dies nicht gesehen? Oder haben die Frequentisten die Debatte …
10
Wer sind Frequentisten?
Wir hatten bereits einen Thread, in dem gefragt wurde, wer Bayesianer sind und einer, ob Frequentisten Bayesianer sind , aber es gab keinen Thread, in dem direkt gefragt wurde, wer Frequentisten sind . Diese Frage wurde von @whuber als Kommentar zu diesem Thread gestellt und muss beantwortet werden. Existieren sie …
6
Tutorial zur Bayes'schen Statistik
Ich versuche, in der Bayesianischen Statistik auf den neuesten Stand zu kommen. Ich habe ein bisschen Statistikhintergrund (STAT 101), aber nicht zu viel - ich glaube, ich kann Prior, Posterior und Likelihood verstehen: D. Ich möchte noch kein Bayesianisches Lehrbuch lesen. Ich würde es vorziehen, aus einer Quelle zu lesen …
2
Was sagt die Inverse der Kovarianzmatrix über Daten aus? (Intuitiv)
Ich bin neugierig auf die Natur von . Kann jemand etwas intuitives über "Was sagt Σ - 1 über Daten?"Σ−1Σ−1\Sigma^{-1}Σ−1Σ−1\Sigma^{-1} Bearbeiten: Danke für die Antworten Nach einigen großartigen Kursen möchte ich einige Punkte hinzufügen: Es ist ein Maß für Information, dh ist eine Informationsmenge entlang der Richtung x .xTΣ−1xxTΣ−1xx^T\Sigma^{-1}xxxx Dualität: …
3
Interpretation des log transformierten Prädiktors und / oder der Antwort
Ich frage mich, ob es einen Unterschied in der Interpretation macht, ob nur die abhängigen, sowohl die abhängigen als auch die unabhängigen Variablen oder nur die unabhängigen Variablen log-transformiert werden. Betrachten Sie den Fall von log(DV) = Intercept + B1*IV + Error Ich kann die IV als prozentuale Erhöhung interpretieren, …
46 regression  data-transformation  interpretation  regression-coefficients  logarithm  r  dataset  stata  hypothesis-testing  contingency-tables  hypothesis-testing  statistical-significance  standard-deviation  unbiased-estimator  t-distribution  r  functional-data-analysis  maximum-likelihood  bootstrap  regression  change-point  regression  sas  hypothesis-testing  bayesian  randomness  predictive-models  nonparametric  terminology  parametric  correlation  effect-size  loess  mean  pdf  quantile-function  bioinformatics  regression  terminology  r-squared  pdf  maximum  multivariate-analysis  references  data-visualization  r  pca  r  mixed-model  lme4-nlme  distributions  probability  bayesian  prior  anova  chi-squared  binomial  generalized-linear-model  anova  repeated-measures  t-test  post-hoc  clustering  variance  probability  hypothesis-testing  references  binomial  profile-likelihood  self-study  excel  data-transformation  skewness  distributions  statistical-significance  econometrics  spatial  r  regression  anova  spss  linear-model 
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.