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
Was ist die entscheidungstheoretische Rechtfertigung für Bayes'sche glaubwürdige Intervallverfahren?
(Um zu sehen, warum ich das geschrieben habe, lesen Sie die Kommentare unter meiner Antwort auf diese Frage .) Typ-III-Fehler und statistische Entscheidungstheorie Die richtige Antwort auf die falsche Frage zu geben, wird manchmal als Typ-III-Fehler bezeichnet. Die statistische Entscheidungstheorie ist eine Formalisierung der Entscheidungsfindung unter Unsicherheit. Es bietet einen …
4
Was sind die korrekten Werte für Präzision und Rückruf in Randfällen?
Präzision ist definiert als: p = true positives / (true positives + false positives) Ist es richtig, dass sich die Genauigkeit 1 nähert true positivesund false positivessich 0 nähert? Gleiche Frage zum Rückruf: r = true positives / (true positives + false negatives) Ich führe derzeit einen statistischen Test durch, …
20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 
2
Bayesianische Überanpassung
Ich habe viel Zeit in die Entwicklung von Methoden und Software für die Validierung von Vorhersagemodellen im Bereich der traditionellen Statistik investiert. Wenn ich mehr Bayes'sche Ideen in die Praxis umsetze und unterrichte, sehe ich einige wesentliche Unterschiede, die ich berücksichtigen muss. Erstens fordert die Bayes'sche Vorhersagemodellierung den Analysten auf, …
3
Warum ist im Bayes-Theorem ein Normalisierungsfaktor erforderlich?
Der Bayes-Satz P(model|data)=P(model)×P(data|model)P(data)P(model|data)=P(model)×P(data|model)P(data) P(\textrm{model}|\textrm{data}) = \frac{P(\textrm{model}) \times P(\textrm{data}|\textrm{model})}{P(\textrm{data})} Das ist alles in Ordnung. Aber ich habe irgendwo gelesen: Grundsätzlich ist P (Daten) nichts anderes als eine Normalisierungskonstante, dh eine Konstante, die die posteriore Dichte zu eins integriert. Wir wissen, dass und . 0 ≤ P ( Daten | Modell ) …
3
Schonenderer Zugang zur Bayes'schen Statistik
Ich habe kürzlich angefangen, "Introduction to Bayesian Statistics" (Einführung in die Bayes'sche Statistik), 2. Ausgabe von Bolstad, zu lesen. Ich hatte eine Einführungs-Statistik-Klasse, die hauptsächlich statistische Tests abdeckte und fast durch eine Klasse in Regressionsanalyse geht. Welche anderen Bücher kann ich verwenden, um mein Verständnis dieses zu ergänzen? Ich habe …
1
Wann würde man Gibbs-Sampling anstelle von Metropolis-Hastings verwenden?
Es gibt verschiedene Arten von MCMC-Algorithmen: Metropolis-Hastings Gibbs Stichprobe von Bedeutung / Ablehnung (in Verbindung stehend). Warum sollte man Gibbs-Sampling anstelle von Metropolis-Hastings verwenden? Ich vermute, dass es Fälle gibt, in denen Rückschlüsse mit Gibbs-Stichproben besser möglich sind als mit Metropolis-Hastings, aber die Einzelheiten sind mir nicht klar.
1
Antonym der Varianz
Gibt es ein Wort, das die Umkehrung der Varianz bedeutet? Das heißt, wenn eine hohe Varianz hat, dann hat X eine niedrige ... ? Kein Interesse an einem Beinahe-Antonym (wie 'Übereinstimmung' oder 'Ähnlichkeit'), sondern spezifisch 1 / σ 2 ?XXXXXX……\dots1/σ21/σ21/\sigma^2
4
Ist in der Bayes'schen Statistik eine Leistungsanalyse erforderlich?
Ich habe in letzter Zeit die Bayes'sche Sichtweise der klassischen Statistik untersucht. Nachdem ich über den Bayes-Faktor gelesen hatte, fragte ich mich, ob in dieser Statistikansicht eine Leistungsanalyse erforderlich ist. Mein Hauptgrund für diese Frage ist, dass der Bayes-Faktor offenbar nur ein Wahrscheinlichkeitsverhältnis ist. Sobald es 25: 1 ist, kann …
1
Welche MCMC-Algorithmen / Techniken werden für diskrete Parameter verwendet?
Ich kenne mich mit der Anpassung kontinuierlicher Parameter, insbesondere mit gradientenbasierten Methoden, ziemlich gut aus, aber nicht mit der Anpassung diskreter Parameter. Was sind allgemein verwendete MCMC-Algorithmen / Techniken zum Anpassen diskreter Parameter? Gibt es Algorithmen, die sowohl allgemein als auch leistungsfähig sind? Gibt es Algorithmen, die sich gut mit …
19 bayesian  mcmc 
3
Ist die Bayes'sche Statistik eine echte Verbesserung gegenüber der traditionellen (frequentistischen) Statistik für die Verhaltensforschung?
Diese Frage wurde von Skeptics Stack Exchange migriert, da sie auf Cross Validated beantwortet werden kann. Vor 8 Jahren migriert . Während der Teilnahme an Konferenzen gab es einen gewissen Schub von Befürwortern der Bayes'schen Statistik, um die Ergebnisse von Experimenten zu bewerten. Es gilt als sensibler, angemessener und selektiver …
5
Was bedeutet „Wahrscheinlichkeit wird nur bis zu einer multiplikativen Proportionalitätskonstante definiert“ in der Praxis?
Ich lese einen Artikel, in dem die Autoren von einer Diskussion über die Schätzung der maximalen Wahrscheinlichkeit zu Bayes 'Theorem führen, angeblich als Einführung für Anfänger. Als Beispiel für die Wahrscheinlichkeit beginnen sie mit einer Binomialverteilung: p(x|n,θ)=(nx)θx(1−θ)n−xp(x|n,θ)=(nx)θx(1−θ)n−xp(x|n,\theta) = \binom{n}{x}\theta^x(1-\theta)^{n-x} und loggen Sie dann beide Seiten ℓ(θ|x,n)=xln(θ)+(n−x)ln(1−θ)ℓ(θ|x,n)=xln⁡(θ)+(n−x)ln⁡(1−θ)\ell(\theta|x, n) = x \ln …
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.