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.

2
"Vergesslichkeit" des Prior in der Bayes'schen Umgebung?
Es ist bekannt, dass der Bayes'sche Prior "vergessen" wird , wenn Sie mehr Beweise haben (z. B. in Form eines größeren für iid-Beispiele), und der größte Teil der Schlussfolgerung wird durch die Beweise (oder die Wahrscheinlichkeit) beeinflusst.nnnnnn Es ist leicht, es für verschiedene spezielle Fälle zu sehen (wie Bernoulli mit …
9 bayesian  prior 
2
Verteilungen auf Teilmengen von ?
Ich frage mich, ob es Standardverteilungen für Teilmengen von Ganzzahlen . Entsprechend könnten wir dies als Verteilung auf einen Längenvektor von binären Ergebnissen ausdrücken , z. B. wenn dann entspricht dem Vektor .{1,2,...,J}{1,2,...,J}\{1, 2, ..., J\}JJJJ=5J=5J = 5{1,3,5}{1,3,5}\{1, 3, 5\}(1,0,1,0,1)(1,0,1,0,1)(1, 0, 1, 0, 1) Im Idealfall suche ich eine Verteilung …
2
Parametrisches, semiparametrisches und nichtparametrisches Bootstrapping für gemischte Modelle
Die folgenden Transplantate stammen aus diesem Artikel . Ich bin ein Neuling im Bootstrap und versuche, das parametrische, semiparametrische und nichtparametrische Bootstrapping-Bootstrapping für ein lineares gemischtes Modell mit R bootPaket zu implementieren. R-Code Hier ist mein RCode: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + Cult + (1|Block) + …
9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography 
3
Häufiges Denken und Konditionieren von Beobachtungen (Beispiel von Wagenmakers et al.)
Ich bin kein Experte für Statistik, aber es gibt Meinungsverschiedenheiten darüber, ob eine "frequentistische" oder "bayesianische" Interpretation der Wahrscheinlichkeit die "richtige" ist. Von Wagenmakers et. al p. 183: Betrachten Sie eine gleichmäßige Verteilung mit Mittelwert und Breite . Zeichnen Sie zwei Werte zufällig aus dieser Verteilung, beschriften Sie den kleinsten …
2
Erlauben Sie Daten, die Prioritäten zu diktieren, und führen Sie das Modell dann mit diesen Prioritäten aus? (z. B. datengesteuerte Prioritäten aus demselben Datensatz)
Nach meinem Verständnis sollten wir nicht zulassen, dass derselbe Datensatz, den wir analysieren, bestimmt / definiert, wie die vorherigen Verteilungen in einer Bayes'schen Analyse aussehen. Insbesondere ist es unangemessen, frühere Verteilungen für eine Bayes'sche Analyse basierend auf zusammenfassenden Statistiken aus demselben Datensatz zu definieren, an den Sie dann die Prioritäten …
9 bayesian  prior 
3
Akzeptanzraten für Metropolis-Hastings mit einheitlicher Kandidatenverteilung
Was ist der Grund für eine Akzeptanzrate von etwa 20%, wenn der Metropolis-Hastings-Algorithmus mit einheitlichen Kandidatenverteilungen ausgeführt wird? Mein Gedanke ist: Sobald die wahren (oder nahezu wahren) Parameterwerte entdeckt wurden, würde kein neuer Satz von Kandidatenparameterwerten aus demselben einheitlichen Intervall den Wert der Wahrscheinlichkeitsfunktion erhöhen. Je mehr Iterationen ich ausführe, …
4
Wie führe ich mehrere Post-hoc-Chi-Quadrat-Tests an einem 2 x 3-Tisch durch?
Mein Datensatz umfasst entweder die Gesamtmortalität oder das Überleben eines Organismus an drei Standorttypen: Inshore, Midchannel und Offshore. Die Zahlen in der folgenden Tabelle geben die Anzahl der Standorte an. 100% Mortality 100% Survival Inshore 30 31 Midchannel 10 20 Offshore 1 10 Ich würde gerne wissen, ob die Anzahl …
2
Vorher für eine Gamma-Verteilung konjugieren
Ich muss die Ausfallrate (als deterministisch angegeben) basierend auf der neuen Ausfallrate für dasselbe System aktualisieren (es ist auch eine deterministische). Ich las über konjugierte Prioritäten und die Gammaverteilung als Konjugat für den Poisson-Prozess. Ich kann auch den Mittelwert von Gamma dist gleichsetzen. ( ) auf die neue Rate (als …
9 bayesian 
3
Bayesianische Vorhersageverteilungen verstehen
Ich nehme an einem Intro-to-Bayes-Kurs teil und habe Schwierigkeiten, prädiktive Verteilungen zu verstehen. Ich verstehe, warum sie nützlich sind und ich bin mit der Definition vertraut, aber es gibt einige Dinge, die ich nicht ganz verstehe. 1) Wie man die richtige Vorhersageverteilung für einen Vektor neuer Beobachtungen erhält Angenommen, wir …
2
Warum nicht den Bayes-Satz in der Form
Es gibt viele Fragen (wie diese ) über eine Mehrdeutigkeit mit der Bayes'schen Formel im kontinuierlichen Fall. p(θ|x)=p(x|θ)⋅p(θ)p(x)p(θ|x)=p(x|θ)⋅p(θ)p(x)p(\theta | x) = \frac{p(x | \theta) \cdot p(\theta)}{p(x)} Oft entsteht Verwirrung aus der Tatsache , dass Definition der bedingten Verteilung wird erklärt , wie ist abhängig von festen gegebenen .f(variable|parameter)f(variable|parameter)f(variable | parameter) …
1
Nicht informative vorherige Dichte auf normal
Die Bayesianische Datenanalyse (S. 64) sagt zu einem normalen Modell : Eine vernünftige vage vorherige Dichte für und unter der Annahme einer vorherigen Unabhängigkeit von Orts- und Skalenparametern ist einheitlich für oder äquivalent fürμμ\muσσ\sigma( μ , logσ)(μ,Log⁡σ)(\mu, \log \sigma)p ( μ , σ2) ∝ ( σ2)- 1.p(μ,σ2)∝(σ2)- -1. p(\mu, \sigma^2) …
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.