Statistiken und Big Data bayesian

1

Sei die Zielverteilung auf die absolut kontinuierlich zum dimensionalen Lebesgue-Maß geschrieben wird, dh:( R d , B ( R d ) ) dππ\pi(Rd,B(Rd))(Rd,B(Rd))(\mathbb{R}^d,\mathcal{B}(\mathbb{R^d}))ddd & pgr; ( x 1 , . . . , x d ) λ d λ d ( d x 1 , . . . , d …

8 bayesian conditional-probability markov-process gibbs integral

3

Finden Sie die Verteilung und transformieren Sie sie in die Normalverteilung

Ich habe Daten, die beschreiben, wie oft ein Ereignis während einer Stunde stattfindet ("Anzahl pro Stunde", nph) und wie lange die Ereignisse dauern ("Dauer in Sekunden pro Stunde", dph). Dies sind die Originaldaten: nph <- c(2.50000000003638, 3.78947368414551, 1.51456310682008, 5.84686774940732, 4.58823529414907, 5.59999999993481, 5.06666666666667, 11.6470588233699, 1.99999999998209, NA, 4.46153846149851, 18, 1.05882352939726, 9.21739130425452, 27.8399999994814, …

8 normal-distribution data-transformation logistic generalized-linear-model ridge-regression t-test wilcoxon-signed-rank paired-data naive-bayes distributions logistic goodness-of-fit time-series eviews ecm panel-data reliability psychometrics validity cronbachs-alpha self-study random-variable expected-value median regression self-study multiple-regression linear-model forecasting prediction-interval normal-distribution excel bayesian multivariate-analysis modeling predictive-models canonical-correlation rbm time-series machine-learning neural-networks fishers-exact factorisation-theorem svm prediction linear reinforcement-learning cdf probability-inequalities ecdf time-series kalman-filter state-space-models dynamic-regression index-decomposition sampling stratification cluster-sample survey-sampling distributions maximum-likelihood gamma-distribution

1

Frage zur Verwendung von EM zur Schätzung der Parameter dieses Modells

Ich versuche, EM zu verstehen und Parameter dieses Modells mit dieser Technik abzuleiten, habe aber Probleme zu verstehen, wie ich anfangen soll: Ich habe also ein gewichtetes lineares Regressionsmodell wie folgt, wobei ich Beobachtungen und die entsprechenden Beobachtungen . Das Modell der Beziehung zwischen und ist ein gewichtetes lineares Regressionsmodell, …

8 bayesian expectation-maximization

2

Warum ist die Mischung von konjugierten Priors wichtig?

Ich habe Fragen zur Mischung der konjugierten Priors. Ich habe die Mischung aus konjugierten Priors ein paar Mal gelernt und gesagt, wenn ich Bayesianisch lerne. Ich frage mich, warum dieser Satz so wichtig ist und wie wir ihn anwenden werden, wenn wir eine Bayes'sche Analyse durchführen. Genauer gesagt illustrierte ein …

8 bayesian conditional-probability hierarchical-bayesian conjugate-prior exponential-family

2

Ist MLE mit Regularisierung eine Bayes'sche Methode?

Es wird normalerweise gesagt, dass Prioritäten in der Bayes'schen Statistik als Regularisierungsfaktoren angesehen werden können, da sie Lösungen benachteiligen, bei denen der Prior eine geringe Wahrscheinlichkeitsdichte aufweist. Dann ist dieses einfache Modell gegeben, dessen MLE-Parameter sind: argmaxμ N(y;μ,σ)argmaxμ N(y;μ,σ) argmax_{\mu} \text{ } \mathcal{N}(y; \mu, \sigma) und ich füge einen Prior …

8 bayesian regularization frequentist philosophical

1

Posterior Predictive Check nach ABC-Inferenz für mehrere Parameter

Ich bin relativ neu in der Bayes'schen Statistik, bitte seien Sie vorsichtig. Ich habe gerade eine ungefähre Bayes'sche Berechnung (ABC) durchgeführt, um auf ein Multi-Parameter-Modell zu schließen. Jetzt möchte ich eine posteriore prädiktive Überprüfung der abgeleiteten Parameter durchführen. Was ich wissen möchte, ist, dass ich bei der Probenahme aus dem …

8 bayesian posterior abc

2

Was ist der mathematische Unterschied zwischen einem nicht informativen Prior und einem frequentistischen Ansatz?

Nicht informative Prioritäten werden in Fällen bevorzugt, in denen eine Voreingenommenheit nicht akzeptabel ist (z. B. Gerichtssäle usw.). Es scheint mir jedoch nur sinnvoll zu sein, stattdessen einen frequentistischen Ansatz zu verwenden. Warum hat der Bayes'sche Ansatz überhaupt einen nicht informativen Prior? Vielen Dank!

8 bayesian prior uninformative-prior

1

Ableiten der posterioren Dichte für eine logarithmische Wahrscheinlichkeit und Jeffreys 'Prior

Die Wahrscheinlichkeitsfunktion einer logarithmischen Normalverteilung ist: f( x ; μ , σ) ∝ ∏nich11σxichexp( - ( lnxich- μ )22 σ2)f(x;μ,σ)∝∏i1n1σxiexp⁡(−(ln⁡xi−μ)22σ2)f(x; \mu, \sigma) \propto \prod_{i_1}^n \frac{1}{\sigma x_i} \exp \left ( - \frac{(\ln{x_i} - \mu)^2}{2 \sigma^2} \right ) und Jeffreys 'Prior ist: p ( μ , σ) ∝ 1σ2p(μ,σ)∝1σ2p(\mu,\sigma) \propto \frac{1}{\sigma^2} Die …

8 bayesian prior posterior conjugate-prior uninformative-prior

1

Ist rstan oder meine Gitterannäherung falsch: Entscheidung zwischen widersprüchlichen Quantilschätzungen in der Bayes'schen Inferenz

Ich habe ein Modell, um Bayes'sche Schätzungen der Populationsgröße NNN und der Erkennungswahrscheinlichkeit θθ\theta in einer Binomialverteilung zu erhalten, die ausschließlich auf der beobachteten Anzahl beobachteter Objekte basieren yyy: p(N,θ|y)∝Bin(y|N,θ)Np(N,θ|y)∝Bin(y|N,θ)N p(N,\theta|y)\propto \frac{ \text{Bin}(y|N,\theta)}{N} N y i y = 53 , 57 , 66 , 67 , 73{N|N∈Z∧N≥max(y)}×(0,1){N|N∈Z∧N≥max(y)}×(0,1) \left\{N|N\in\mathbb{Z}\land N\ge \max(y)\right\}\times(0,1) …

8 bayesian mcmc hierarchical-bayesian stan

1

AB-Test vs. Test der Nullhypothese

Ich versuche den Unterschied zwischen zu verstehen Testen der Nullhypothese (dh Testen, dass die Wahrscheinlichkeit eines "Ziels" für 2 verschiedene Populationen gleich ist, ähnlich wie bei prop.test in R) ein A / B-Test unter Verwendung einer Bayes'schen Formel wie hier beschrieben: http://www.evanmiller.org/bayesian-ab-testing.html Ist da ein Unterschied? Ist man vorzuziehen? Das …

8 hypothesis-testing bayesian proportion ab-test

1

Daten aus verschiedenen Quellen kombinieren

Ich möchte Daten aus verschiedenen Quellen kombinieren. Angenommen, ich möchte eine chemische Eigenschaft (z. B. einen Verteilungskoeffizienten ) abschätzen : Ich habe einige empirische Daten, die aufgrund von Messfehlern um den Mittelwert variieren. Und zweitens habe ich ein Modell, das eine Schätzung aus anderen Informationen vorhersagt (das Modell weist auch …

8 r bayesian meta-analysis jags

1

Hierarchische Bayes'sche Modellierung von Inzidenzraten

Kevin Murphys Buch behandelt ein klassisches hierarchisches Bayes'sches Problem (ursprünglich diskutiert in Johnson and Albert, 1999, p24): Angenommen, wir versuchen, die Krebsrate in Städten zu schätzen . In jeder Stadt untersuchen wir eine Anzahl von Personen und messen die Anzahl der Personen mit Krebs , wobei die wahre Krebsrate in …

8 bayesian hierarchical-bayesian pymc probabilistic-programming

1

Formale Rechtfertigung der Bayes'schen Folgerung als Modell für den Glauben

Ich erinnere mich an einen Beweis, dass die Bayes'sche Wahrscheinlichkeitstheorie die einzig gültige Methode zur Darstellung von Überzeugungen ist Wir repräsentieren den Glauben durch eine nicht negative Funktion in einem Bereich von Ergebnissen Überzeugungen sind subadditiv ... Daher ist die Bayes'sche Wahrscheinlichkeitstheorie der einzig gültige Ansatz zur Darstellung von Überzeugungen. …

8 bayesian decision-theory

1

Warum nicht Beta (1,1) als Grenzvermeidung vor einem transformierten Korrelationsparameter verwenden?

In Bayesian Data Analysis , Kapitel 13, Seite 317, zweiter vollständiger Absatz, in den Modal- und Verteilungsnäherungen, haben Gelman et al. schreiben: Wenn der Plan darin besteht, die Inferenz durch den posterioren Modus von [dem Korrelationsparameter in einer bivariaten Normalverteilung] zusammenzufassen, würden wir die vorherige Verteilung von U (-1,1) durch …

8 bayesian prior posterior mode

1

Nicht konjugiert vor

Kann jemand erklären, warum das Integral in der posterioren Dichte möglicherweise nicht "analytisch nachvollziehbar" ist, wenn der von uns gewählte Prior nicht konjugiert ist?

8 bayesian

Als «bayesian» getaggte Fragen