Le problème Je veux ajuster les paramètres du modèle d'une population de mélange 2-gaussien simple. Étant donné tout le battage médiatique autour des méthodes bayésiennes, je veux comprendre si pour ce problème l'inférence bayésienne est un meilleur outil que les méthodes d'ajustement...
Les deux bayesglm()(dans le bras package R) et diverses fonctions dans le paquet MCMCpack sont destinés à faire l' estimation bayésienne des modèles linéaires généralisés, mais je ne suis pas sûr qu'ils calcul fait la même chose. Les fonctions MCMCpack utilisent la chaîne de Markov Monte Carlo pour...
J'utilise la formule de test ab bayésien afin de calculer les résultats du test AB en utilisant la méthodologie bayésienne. Pr ( pB> pUNE) = ∑i = 0αB- 1B ( αUNE+ i , βB+ βUNE)( βB+ i ) B ( 1 + i , βB) B ( αUNE, βUNE)Pr(pB>pUNE)=∑je=0αB-1B(αUNE+je,βB+βUNE)(βB+je)B(1+je,βB)B(αUNE,βUNE) \Pr(p_B...
Je ne sais pas comment évaluer la distribution prédictive postérieure de la régression linéaire bayésienne, après le cas de base décrit ici à la page 3, et copié ci-dessous. p(y~∣y)=∫p(y~∣β,σ2)p(β,σ2∣y)p(y~∣y)=∫p(y~∣β,σ2)p(β,σ2∣y) p(\tilde y \mid y) = \int p(\tilde y \mid \beta, \sigma^2) p(\beta,...
Je cherche une réponse qui satisferait un lecteur qui comprend les valeurs p fréquentistes mais ne comprend que les rudiments des approches bayésiennes des statistiques. À l'heure actuelle, les recherches Google ne révèlent aucune définition ni sur une page Wikipédia ni sur aucune autre ressource...
Supposons que j'essaye de re-paramétrer une fonction de vraisemblance qui est distribuée de façon exponentielle. Si ma fonction de vraisemblance d'origine est: p ( y∣ θ ) = θ e- θ yp(y∣θ)=θe-θy p(y \mid \theta) = \theta e^{-\theta y} et je voudrais le re-paramétrer en utilisant , puisqueθn'est pas...
Lors de la régression linéaire bayésienne, il faut attribuer un a priori à la pente et intercepter . Puisque est un paramètre d'emplacement, il est logique d'attribuer un a priori uniforme; cependant, il me semble que s'apparente à un paramètre d'échelle et il ne semble pas naturel d'attribuer un...
J'utilise actuellement une approche bayésienne pour estimer les paramètres d'un modèle composé de plusieurs ODE. Comme j'ai 15 paramètres à estimer, mon espace d'échantillonnage est à 15 dimensions et ma distribution postérieure recherchée semble avoir de nombreux maxima locaux qui sont très isolés...
Ou quelles conditions le garantissent? En général (et pas seulement les modèles normaux et binomiaux), je suppose que la principale raison qui a brisé cette affirmation est qu'il y a incohérence entre le modèle d'échantillonnage et le précédent, mais quoi d'autre? Je commence par ce sujet, donc...
Considérons la fonction de densité postérieure donnée (comme d'habitude) par avec la densité antérieure et la distribution du observations , conditionnelles à la valeur du paramètre .π(θ)∏i=1nf(xi;θ),π(θ)∏i=1nf(xi;θ), \pi(\theta) \prod_{i=1}^n
Si j'utilise un Jeffreys avant pour un paramètre de probabilité binomiale cela implique d'utiliser une distribution \ theta \ sim beta (1 / 2,1 / 2) .θθ\thetaθ∼beta(1/2,1/2)θ∼beta(1/2,1/2)\theta \sim beta(1/2,1/2) Si je me transforme en un nouveau cadre de référence ϕ=θ2ϕ=θ2\phi = \theta^2 alors...
Je me demande quelle est la différence entre ces deux types de prieurs: Non informatif Non conforme
Au cours de la dernière année, j'ai beaucoup entendu parler des cadres de programmation probabiliste (PP) comme PyMC3 et Stan , et de la qualité de PP. Et aujourd'hui, quelqu'un a partagé ce lien avec moi: Pyro: un langage de programmation probabiliste profond Cependant, je ne suit pas vraiment ce...
Quand j'ai commencé à lire sur le filtre de Kalman, je pensais que c'était un cas particulier du modèle ARIMA (à savoir ARIMA (0,1,1)). Mais en réalité, il semble que la situation soit plus compliquée. Tout d'abord, ARIMA peut être utilisé pour la prédiction et le filtre de Kalman est pour le...
Dans l'article intitulé Deep Learning and the Information Bottleneck Principle, les auteurs déclarent dans la section II A) ce qui suit: Les neurones simples ne classent que les entrées séparables linéairement, car ils ne peuvent implémenter que des hyperplans dans leur espace d'entrée . Les...
Je me demande si les probabilités conditionnelles sont propres au bayésianisme, ou si elles sont davantage un concept général partagé par plusieurs écoles de pensée parmi les statisticiens / probabilités. Je suppose que c'est le cas, parce que je suppose que personne ne peut est un peu logique,...
Je voudrais trouver des "exemples du monde réel" pour l'enseignement des statistiques bayésiennes. Les statistiques bayésiennes permettent d'incorporer formellement les connaissances antérieures dans une analyse. Je voudrais donner aux étudiants quelques exemples simples du monde réel de chercheurs...
L'enseignement standard dit que la sensibilité et la spécificité sont des propriétés du test et sont indépendantes de la prévalence. Mais n'est-ce pas juste une supposition? Les principes de la médecine interne de Harrison, 19e éd., Disent Il a longtemps été affirmé que la sensibilité et la...
J'ai rencontré ces diapositives (diapositives # 16 et # 17) dans l'un des cours en ligne. L'instructeur tentait d'expliquer comment l'estimation maximale postérieure (MAP) est en fait la solution L ( θ ) = I[ θ ≠ θ∗]L(θ)=I[θ≠θ∗]L(\theta) = \mathcal{I}[\theta \ne \theta^{*}] , où θ∗θ∗\theta^{*} est...
Je modélise la dispersion des plantes en utilisant une distribution normale généralisée ( entrée wikipedia ), qui a la fonction de densité de probabilité: b2 a Γ ( 1 / b )e- ( dune)bb2aΓ(1/b)e−(da)b \frac{b}{2a\Gamma(1/b)} e^{-(\frac{d}{a})^b} où est la distance parcourue, est un paramètre...