Als «prior» getaggte Fragen

In der Bayes'schen Statistik formalisiert eine vorherige Verteilung Informationen oder Wissen (oft subjektiv), die verfügbar sind, bevor eine Stichprobe gesehen wird, in Form einer Wahrscheinlichkeitsverteilung. Eine Verteilung mit großer Streuung wird verwendet, wenn wenig über die Parameter bekannt ist, während eine engere vorherige Verteilung einen größeren Informationsgrad darstellt.

2
Gratregression - Bayesianische Interpretation
Ich habe gehört, dass die Gratregression als Mittelwert einer posterioren Verteilung abgeleitet werden kann, wenn der Prior angemessen gewählt wird. Ist die Intuition, dass die Einschränkungen, die für die Regressionskoeffizienten durch den Prior festgelegt wurden (z. B. Standardnormalverteilungen um 0), identisch sind / ersetzen die Strafe, die für die quadratische …
3
Warum verwendet niemand den multinomialen Bayes-Klassifikator Naive Bayes?
In der (unbeaufsichtigten) Textmodellierung ist Latent Dirichlet Allocation (LDA) eine Bayes-Version der probabilistischen latenten semantischen Analyse (PLSA). Im Wesentlichen hat LDA = PLSA + Dirichlet Vorrang vor seinen Parametern. Nach meinem Verständnis ist LDA jetzt der Referenzalgorithmus und wird in verschiedenen Paketen implementiert, während PLSA nicht mehr verwendet werden sollte. …
1
Was ist die Intuition hinter austauschbaren Proben unter der Nullhypothese?
Permutationstests (auch Randomisierungstest, Re-Randomisierungstest oder exakter Test genannt) sind sehr nützlich und nützlich, wenn die zum Beispiel erforderliche Annahme einer Normalverteilung t-testnicht erfüllt ist und wenn die Transformation der Werte durch Rangfolge der Werte erfolgt Ein nicht parametrischer Test Mann-Whitney-U-testwürde dazu führen, dass mehr Informationen verloren gehen. Eine einzige Annahme, …
15 hypothesis-testing  permutation-test  exchangeability  r  statistical-significance  loess  data-visualization  normal-distribution  pdf  ggplot2  kernel-smoothing  probability  self-study  expected-value  normal-distribution  prior  correlation  time-series  regression  heteroscedasticity  estimation  estimators  fisher-information  data-visualization  repeated-measures  binary-data  panel-data  mathematical-statistics  coefficient-of-variation  normal-distribution  order-statistics  regression  machine-learning  one-class  probability  estimators  forecasting  prediction  validation  finance  measurement-error  variance  mean  spatial  monte-carlo  data-visualization  boxplot  sampling  uniform  chi-squared  goodness-of-fit  probability  mixture  theory  gaussian-mixture  regression  statistical-significance  p-value  bootstrap  regression  multicollinearity  correlation  r  poisson-distribution  survival  regression  categorical-data  ordinal-data  ordered-logit  regression  interaction  time-series  machine-learning  forecasting  cross-validation  binomial  multiple-comparisons  simulation  false-discovery-rate  r  clustering  frequency  wilcoxon-mann-whitney  wilcoxon-signed-rank  r  svm  t-test  missing-data  excel  r  numerical-integration  r  random-variable  lme4-nlme  mixed-model  weighted-regression  power-law  errors-in-variables  machine-learning  classification  entropy  information-theory  mutual-information 
2
Flach, konjugiert und hyperprior. Was sind Sie?
Ich lese gerade über Bayes'sche Methoden in der Computation Molecular Evolution von Yang. In Abschnitt 5.2 geht es um Prioritäten und insbesondere um Nicht-informative, flache, vage, diffuse, konjugierte und hyperpriore Prioritäten. Dies könnte zu einer übermäßigen Vereinfachung führen, aber könnte jemand einfach den Unterschied zwischen diesen Arten von Prioren erklären …
15 bayesian  prior 
3
Wie wählt man bei der Bayes'schen Parameterschätzung vor
Ich kenne 3 Methoden zur Parameterschätzung, ML, MAP und Bayes Ansatz. Und für den MAP- und Bayes-Ansatz müssen wir Prioritäten für die Parameter festlegen, richtig? Angenommen, ich habe dieses Modell , in dem α , β Parameter sind. Um die Schätzung unter Verwendung von MAP oder Bayes durchzuführen, habe ich …
1
Jeffreys Prior für mehrere Parameter
In bestimmten Fällen wird der Jeffreys-Prior für ein vollständiges mehrdimensionales Modell im Allgemeinen als unzureichend angesehen. Dies ist beispielsweise der Fall in: (wobei , mit und unbekannt) in dem vor dem folgenden (in vollen Jeffreys vor bevorzugt wird ): wobei der Jeffreys-Prior ist, der erhalten wird, wenn festgehalten wird (und …
2
Aus einem frequentistischen Ergebnis einen Bayesianischen Prior machen
Wie sollte man ein frequentistisches Ergebnis in einen bayesianischen Prior verwandeln? Stellen Sie sich das folgende ziemlich allgemeine Szenario vor: In der Vergangenheit wurde ein Experiment durchgeführt und ein Ergebnis für einen Parameter ϕϕ\phi gemessen. Die Analyse wurde mit einer frequentistischen Methodik durchgeführt. Ein Konfidenzintervall für ϕϕ\phi ist in den …
2
Parameter ohne definierte Prioritäten in Stan
Ich habe gerade angefangen zu lernen, wie man mit Stan und rstan. Es sei denn, ich war immer verwirrt über die Funktionsweise von JAGS / BUGS, ich dachte, Sie müssten immer eine vorherige Verteilung für jeden Parameter im Modell definieren, aus dem gezogen werden soll. Es scheint, dass Sie dies …
1
Wann sollte ich mir Sorgen um das Jeffreys-Lindley-Paradoxon bei der Wahl des Bayes'schen Modells machen?
Ich betrachte einen großen (aber begrenzten) Raum von Modellen unterschiedlicher Komplexität, die ich mit RJMCMC erforsche . Das Voranstellen des Parametervektors für jedes Modell ist ziemlich informativ. In welchen Fällen (wenn überhaupt) sollte ich mir Sorgen machen, dass das Jeffreys-Lindley-Paradoxon einfachere Modelle bevorzugt, wenn eines der komplexeren Modelle besser geeignet …
3
Jeffreys Prior für die Normalverteilung mit unbekanntem Mittelwert und unbekannter Varianz
Ich lese über frühere Verteilungen und habe Jeffreys zuvor für eine Stichprobe normalverteilter Zufallsvariablen mit unbekanntem Mittelwert und unbekannter Varianz berechnet. Nach meinen Berechnungen gilt für Jeffreys Prior Folgendes: p(μ,σ2)=det(I)−−−−−√=det(1/σ2001/(2σ4))−−−−−−−−−−−−−−−−−−√=12σ6−−−−√∝1σ3.p(μ,σ2)=det(I)=det(1/σ2001/(2σ4))=12σ6∝1σ3. p(\mu,\sigma^2)=\sqrt{det(I)}=\sqrt{det\begin{pmatrix}1/\sigma^2 & 0 \\ 0 & 1/(2\sigma^4)\end{pmatrix}}=\sqrt{\frac{1}{2\sigma^6}}\propto\frac{1}{\sigma^3}. HierIIIFischers Informationsmatrix. Ich habe jedoch auch Veröffentlichungen und Dokumente gelesen, in denen es …
2
Kann eine angemessene vorherige und potenzierte Wahrscheinlichkeit zu einem unangemessenen posterioren führen?
(Diese Frage ist von diesem Kommentar von Xi'an inspiriert .) Es ist bekannt , dass , wenn die vorherige Verteilung π(θ)π(θ)\pi(\theta) ist die richtige und die Wahrscheinlichkeit L(θ|x)L(θ|x)L(\theta | x) ist wohldefiniert, so ist die a posteriori Verteilung π(θ|x)∝π(θ)L(θ|x)π(θ|x)∝π(θ)L(θ|x)\pi(\theta|x)\propto \pi(\theta) L(\theta|x) ist fast sicher richtig. In einigen Fällen verwenden wir …
1
Verwenden Statistiker den Prior von Jeffreys in der tatsächlich angewandten Arbeit?
Als ich in meinem Abschlusskurs für statistische Inferenz etwas über die Jeffreys erfuhr, ließen meine Professoren es so klingen, als wäre es hauptsächlich aus historischen Gründen interessant, anstatt weil irgendjemand es jemals benutzen würde. Als ich dann eine Bayes'sche Datenanalyse durchführte, wurden wir nie gebeten, Jeffreys 'Prioritäten zu verwenden. Verwendet …
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.