Statistiken und Big Data bayesian

1

Warum brauchen wir die Beta-Verteilung, da die Beta-Verteilung in ihrer Form dem Binomial ähnelt?

Es scheint, dass die Binomialverteilung in ihrer Form der Beta-Verteilung sehr ähnlich ist und dass ich Konstanten in beiden PDFs neu parametrisieren kann, damit sie gleich aussehen. Warum brauchen wir die Beta-Distribution? Ist es für einen bestimmten Zweck? Vielen Dank!

11 bayesian mathematical-statistics binomial beta-distribution

2

Laplace Glättung und Dirichlet vor

In dem Wikipedia-Artikel über Laplace-Glättung (oder additive Glättung) heißt es aus Bayes-Sicht: Dies entspricht dem erwarteten Wert der posterioren Verteilung unter Verwendung einer symmetrischen Dirichlet-Verteilung mit dem Parameter als Prior.αα\alpha Ich bin verwirrt darüber, wie das tatsächlich stimmt. Könnte mir jemand helfen zu verstehen, wie diese beiden Dinge gleichwertig sind? …

11 bayesian smoothing dirichlet-distribution laplace-smoothing

1

Fisher's Exact Test und hypergeometrische Verteilung

Ich wollte den genauen Test des Fischers besser verstehen, deshalb habe ich das folgende Spielzeugbeispiel entwickelt, bei dem f und m männlich und weiblich und n und y dem "Sodakonsum" wie folgt entsprechen: > soda_gender f m n 0 5 y 5 0 Dies ist natürlich eine drastische Vereinfachung, aber …

11 fishers-exact hypergeometric clustering supervised-learning modeling econometrics r regression residuals heteroscedasticity independence distributions self-study matlab libsvm self-study conditional-probability conditional-expectation hypothesis-testing self-study multiple-comparisons mode statistical-significance chi-squared multiple-comparisons maximum-likelihood poisson-process optimization uncertainty genetic-algorithms bayesian model-selection overfitting maximum-likelihood optimization approximation r prediction model-evaluation r machine-learning survival neural-networks cox-model machine-learning bayesian bayesian-network hierarchical-bayesian pooling

1

Vorhersageintervall = glaubwürdiges Intervall?

Ich frage mich, ob Vorhersageintervall und glaubwürdiges Intervall dasselbe bewerten. ( 1 - α ) %(1- -α)%.(1-\alpha)\% Y.= a + b . X. Y.=ein+b.X.\ Y = a + b.X X.X.X

11 bayesian linear-model prediction prediction-interval credible-interval

2

Wie bestimmen Programme wie BUGS / JAGS automatisch bedingte Verteilungen für Gibbs-Sampling?

Es scheint, dass es oft schwierig ist, vollständige Bedingungen abzuleiten, aber Programme wie JAGS und BUGS leiten sie automatisch ab. Kann jemand erklären, wie er algorithmisch vollständige Bedingungen für eine beliebige Modellspezifikation generiert?

11 bayesian conditional-probability jags bugs gibbs

1

Beispiel für eine maximale a posteriori-Schätzung

Ich habe über Maximum-Likelihood-Schätzung und Maximum-A-Posteriori-Schätzung gelesen und bisher nur konkrete Beispiele mit Maximum-Likelihood-Schätzung getroffen. Ich habe einige abstrakte Beispiele für eine maximale a posteriori-Schätzung gefunden, aber noch nichts Konkretes mit Zahlen darauf: S. Es kann sehr überwältigend sein, nur mit abstrakten Variablen und Funktionen zu arbeiten, und um nicht …

11 bayesian estimation posterior

1

Stichprobenverteilung der Regressionskoeffizienten

Ich habe zuvor etwas über Stichprobenverteilungen gelernt, die Ergebnisse lieferten, die für den Schätzer in Bezug auf den unbekannten Parameter waren. Zum Beispiel für die Probenahme Verteilungen von ß 0 und β 1 in dem linearen Regressionsmodell Y i = β o + β 1 X i + ε iβ^0β^0\hat\beta_0β^1β^1\hat\beta_1Y.ich= …

11 regression self-study bayesian mathematical-statistics sampling

1

Neg Binomial und der Prior von Jeffreys

Ich versuche, den Jeffreys-Prior für eine negative Binomialverteilung zu erhalten. Ich kann nicht sehen, wo ich falsch liege. Wenn also jemand darauf hinweisen könnte, wäre das sehr willkommen. Okay, die Situation ist also folgende: Ich soll die vorherigen Verteilungen vergleichen, die unter Verwendung eines Binomials und eines negativen Binomials erhalten …

11 probability bayesian inference prior

4

Bayesianische uninformative Priors vs. frequentistische Nullhypothesen: Wie ist die Beziehung?

Ich bin auf dieses Bild in einem Blog-Beitrag hier gestoßen . Ich war enttäuscht, dass das Lesen der Aussage für mich nicht den gleichen Gesichtsausdruck hervorrief wie für diesen Kerl. Was ist also mit der Aussage gemeint, dass die Nullhypothese lautet, wie Frequentisten einen nicht informativen Prior ausdrücken? Ist es …

11 hypothesis-testing bayesian frequentist uninformative-prior

3

Wahrscheinlichkeit vs. bedingte Verteilung für die Bayes'sche Analyse

Wir können den Satz von Bayes als schreiben p(θ|x)=f(X|θ)p(θ)∫θf(X|θ)p(θ)dθp(θ|x)=f(X|θ)p(θ)∫θf(X|θ)p(θ)dθp(\theta|x) = \frac{f(X|\theta)p(\theta)}{\int_{\theta} f(X|\theta)p(\theta)d\theta} wobei p(θ|x)p(θ|x)p(\theta|x) der hintere ist, f(X|θ)f(X|θ)f(X|\theta) die bedingte Verteilung ist und p(θ)p(θ)p(\theta) der Prior ist. oder p(θ|x)=L(θ|x)p(θ)∫θL(θ|x)p(θ)dθp(θ|x)=L(θ|x)p(θ)∫θL(θ|x)p(θ)dθp(\theta|x) = \frac{L(\theta|x)p(\theta)}{\int_{\theta} L(\theta|x)p(\theta)d\theta} wobei p(θ|x)p(θ|x)p(\theta|x) der hintere ist, L(θ|x)L(θ|x)L(\theta|x) die Wahrscheinlichkeitsfunktion ist und p(θ)p(θ)p(\theta) der Prior ist. Meine Frage ist Warum …

11 bayesian likelihood

1

Bayesianische, MDL- oder ML-Interpretation der Kreuzvalidierung?

Gibt es eine bekannte Bayes'sche, ML- oder MDL-Interpretation der Kreuzvalidierung? Kann ich die Kreuzvalidierung so interpretieren, dass das richtige Update für einen speziell erstellten Prior durchgeführt wird?

11 bayesian cross-validation maximum-likelihood

1

ABC-Modellauswahl

Es hat sich gezeigt, dass die Auswahl des ABC-Modells unter Verwendung von Bayes-Faktoren nicht zu empfehlen ist, da ein Fehler bei der Verwendung von Zusammenfassungsstatistiken vorliegt. Die Schlussfolgerung in diesem Artikel basiert auf der Untersuchung des Verhaltens einer beliebten Methode zur Approximation des Bayes-Faktors (Algorithmus 2). Es ist bekannt, dass …

11 bayesian model-selection prediction abc

1

Markov-Decke gegen normale Abhängigkeit in einem Bayes'schen Netzwerk

Während ich über Bayes'sche Netzwerke las, stieß ich auf den Begriff " Markov-Decke " und wurde in einem Bayes'schen Netzwerkgraphen stark mit seiner Unabhängigkeit verwechselt. Markov Decke sagt kurz, dass jeder Knoten nur von seinen Eltern, Kindern und Eltern der Kinder abhängig ist [es ist Grauzone für Knoten A im …

11 bayesian bayesian-network

5

Reduziert die Standardisierung unabhängiger Variablen die Kollinearität?

Ich habe einen sehr guten Text über Bayes / MCMC gefunden. Die IT schlägt vor, dass eine Standardisierung Ihrer unabhängigen Variablen einen MCMC-Algorithmus (Metropolis) effizienter macht, aber auch die (Mehrfach-) Kollinearität verringert. Kann das wahr sein? Ist das etwas, was ich als Standard tun sollte? (Entschuldigung). Kruschke 2011, Bayesianische Datenanalyse. …

11 bayesian mcmc multicollinearity standardization

2

Was ist das Bayes'sche Gegenstück zu einem T-Test mit zwei Stichproben und ungleichen Varianzen?

Ich suche das bayesianische Gegenstück zum Zwei-Stichproben-T-Test mit ungleichen Varianzen (Welch-Test). Ich suche auch nach einem multivariaten Test wie der T-Statistik von Hotelling. Referenzen geschätzt. Nehmen wir für den multivariaten Fall an, dass wir und , wobei (bzw. ) eine Abkürzung für einen Stichprobenmittelwert, eine Stichprobenstandardabweichung und eine Anzahl von …

11 correlation bayesian t-test heteroscedasticity

Als «bayesian» getaggte Fragen