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.

3
Die Überprüfung eines Seitenzahns ist richtig
In einem Lehrbuch gibt es ein Hausaufgabenproblem, bei dem die Richtigkeit einer bestimmten posterioren Verteilung überprüft werden soll, und ich habe ein kleines Problem damit. Das Setup besteht darin, dass Sie ein logistisches Regressionsmodell mit einem Prädiktor haben und eine falsche Uniform vor .R2R2\mathbb{R}^2 Insbesondere nehmen wir für dass also …
2
Statistik ohne Hypothesentest
In seinen Blog-Posts sagt Andrew Gelman, er sei kein Fan von Bayes'schen Hypothesentests (siehe hier: http://andrewgelman.com/2009/02/26/why_i_dont_like/ ), und wenn ich mich nicht falsch erinnere, denke ich, dass er sagt auch, dass das Testen von häufig auftretenden Hypothesen auch Mängel aufweist. Meine Frage ist: Können Sie Statistiken ohne Hypothesentest auch für …
2
Die maximale Wahrscheinlichkeit ist nicht unverparametrisch. Wie kann man es also rechtfertigen, es zu benutzen?
Es gibt etwas, das mich an Max-Likelihood-Schätzern verwirrt. Angenommen, ich habe einige Daten und die Wahrscheinlichkeit unter einem Parameterμμ\mu ist L(D|μ)=e−(.7−μ)2L.(D.|μ)=e- -(.7- -μ)2 L(D|\mu) = e^{-(.7-\mu)^2} Dies ist als die Wahrscheinlichkeit einer Gaußschen Skalierung erkennbar. Jetzt wird mir mein Max-Likelihood-Schätzer gebenμ=.7μ=.7\mu=.7. Angenommen, ich wusste das nicht und arbeitete stattdessen mit …
1
Können wir uns gleichzeitig eine Wahrscheinlichkeit sowohl im klassischen als auch im subjektiven Sinne vorstellen?
Ich bin ein Statistikstudent. Ich versuche, die klassischen und objektiven Definitionen der Wahrscheinlichkeit zu verstehen und wie sie mit der frequentistischen und bayesianischen Folgerung zusammenhängen. Mir ist nicht klar, warum die klassische Wahrscheinlichkeit mit der frequentistischen Inferenz gepaart ist und warum die Bayes'sche Inferenz mit der subjektiven Wahrscheinlichkeit gepaart ist. …
2
Was genau läuft in einem Bayes'schen hierarchischen Modell falsch, wenn die Austauschbarkeit nicht zutrifft?
In vielen Lehrbüchern wird, wenn ein Bayes'sches Modell vorgestellt wird, beispielsweise ein klassisches Normal-Normal-Modell, kurz erwähnt, dass die Versuche austauschbar sein müssen. Ich frage mich, warum dies notwendig ist und was schief geht, wenn die Austauschbarkeit nicht funktioniert. Hat jemand irgendwelche prägnanten Antworten?
3
Studienweg zum Bayes'schen Denken?
Ich bin sechs Jahre in einer Geschäftsrolle und habe einen Bachelor in Physik und angewandter Mathematik / Statistik. Sean Carrolls (Caltech-Physiker) "The Big Picture" hat mich auf die Idee gebracht, dass die Bayes'sche Statistik eine nützliche Art ist, über alles nachzudenken - Sie haben unweigerlich einen Prior und sollten Ihre …
7 bayesian 
1
Ist dies auch eine * notwendige * Bedingung, um ein Bayes-Schätzer zu sein, oder nur eine ausreichende?
Ein Bayes-Schätzer minimiert das Bayes-Risiko. Insbesondere genau dann, wenn δΛ=argminBR(Λ,δ):=∫R(θ,δ)dΛ(θ)=∫(∫L(θ,δ(x))dx)dΛ(θ)δΛ=arg⁡minBR⁡(Λ,δ):=∫R(θ,δ)dΛ(θ)=∫(∫L(θ,δ(x))dx)dΛ(θ)\delta_{\Lambda} = \arg\min \operatorname{BR}(\Lambda,\delta) := \int R(\theta, \delta) d \Lambda(\theta) = \int \left( \int L(\theta, \delta(x))dx \right) d \Lambda(\theta) wobei L(θ,δ(X))L(θ,δ(X))L(\theta, \delta(X)) eine gegebene Verlustfunktion ist, R(θ,δ)R(θ,δ)R(\theta, \delta) ist Die entsprechende Risikofunktion und BR(Λ,δ)BR⁡(Λ,δ)\operatorname{BR}(\Lambda, \delta) wird als Bayes-Risiko definiert. δΛδΛ\delta_{\Lambda} ein …
2
Warum werden in der binären Klassifikation des Gaußschen Prozesses Sigmoidfunktionen gegenüber Gaußschen Funktionen bevorzugt?
Ich studiere derzeit "Gaußsche Prozesse für maschinelles Lernen" und in Kapitel 3 heißt es, dass das hintere (Gleichung 3.10) und das latente Die Variable posterior (Gleichung 3.9) kann aufgrund der Sigmoidwahrscheinlichkeiten in (3.9) und der Sigmoidfunktion in (3.10) im Allgemeinen nicht analytisch gelöst werden ). Um zu verhindern, dass Personen …
2
Ist der frequentistische Rahmen nach Poppers Theorie angemessener als der Bayes'sche?
Laut Karl Popper sind nur fälschbare Hypothesen wirklich wissenschaftlich (zitiert Wikipedia ): Keine Anzahl positiver Ergebnisse auf der Ebene experimenteller Tests kann eine wissenschaftliche Theorie bestätigen, aber ein einziges Gegenbeispiel ist logisch entscheidend: Es zeigt, dass die Theorie, aus der die Implikation abgeleitet wird, falsch ist. Welcher statistische Rahmen ist …
1
Wohnung vor in Bayesian? Konfidenzintervalle in der klassischen Statistik werden zu glaubwürdigen Intervallen?
Wir wissen, dass confidence intervalnicht für die Wahrscheinlichkeitsaussage verwendet werden kann, dies ist etwas, für das reserviert ist credible interval. Die am häufigsten verwendeten frequentistischen Techniken (z. B. Konfidenzintervalle für Mittelwerte und Proportionen) entsprechen jedoch den glaubwürdigen Bayes'schen Intervallen für einen bestimmten Prior. Ein häufiges Beispiel ist der Flat Prior. …
1
Bayesianische Aktualisierung - Beispiel für das Werfen von Münzen
Ich habe eine Frage zur Bayes'schen Aktualisierung. Im Allgemeinen bezieht sich die Bayes'sche Aktualisierung auf den Prozess des Erhaltens des Seitenzahns aus einer vorherigen Glaubensverteilung. Alternativ könnte man den Begriff so verstehen, dass der hintere Teil des ersten Schritts als vorherige Eingabe für die weitere Berechnung verwendet wird. Das Folgende …
7 bayesian 
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.