Donc, je pense que j'ai une bonne compréhension des bases de la probabilité fréquentiste et de l'analyse statistique (et à quel point elle peut être utilisée). Dans un monde fréquentiste, il est logique de poser une question telle que "cette distribution est-elle différente de cette distribution",...
C'est une question récurrente (voir cet article , cet article et cet article ), mais j'ai un tour différent. Supposons que j'ai un tas d'échantillons d'un échantillonneur MCMC générique. Pour chaque échantillon , je connais la valeur du log vraisemblance et du log prior . Si cela aide, je connais...
Cette question est donc un peu compliquée, mais je vais inclure des graphiques colorés pour compenser cela! D'abord le contexte puis les questions. Contexte Supposons que vous ayez une distribution multinomiale à nnn dimensions avec des probailites égales sur les nnn catégories. Soit π= ( π1, … ,...
Je viens donc de terminer la lecture d'un excellent livre Introduction to Empirical Bayes . Je pensais que le livre était génial, mais construire des prieurs à partir des données me semblait mal. J'ai appris que vous proposez un plan d'analyse, puis vous collectez des données, puis vous testez...
Selon ceci et cette réponse, les auto-encodeurs semblent être une technique qui utilise des réseaux de neurones pour réduire les dimensions. Je voudrais en outre savoir ce qu'est un autoencodeur variationnel (ses principales différences / avantages par rapport à un autoencodeur "traditionnel") et...
Habituellement, la théorie des probabilités est enseignée avec les axiomes de Kolgomorov. Les bayésiens acceptent-ils également les axiomes de
J'écris un court essai théorique pour un cours de statistique bayésienne (dans une maîtrise en économie) sur les priors non informatifs et j'essaie de comprendre quelles sont les étapes du développement de cette théorie. À ce jour, ma chronologie se fait en trois étapes principales: le principe...
Je travaille actuellement sur un problème, où j'ai besoin de développer un algorithme de chaîne de Markov Monte Carlo (MCMC) pour un modèle d'espace d'état. Pour pouvoir résoudre le problème, on m'a donné la probabilité suivante de : p ( ) = 2I ( > 0) / (1+ ). étant l'écart type de...
(Je suis un débutant dans les statistiques. Je suis mathématicien et programmeur et j'essaie de créer quelque chose comme un filtre anti-spam bayésien naïf.) J'ai remarqué à de nombreux endroits que les gens ont tendance à briser le dénominateur dans l'équation du théorème de Bayes. Donc au lieu de...
Quand je Google pour "fisher" "fiducial" ... Je reçois certainement beaucoup de hits, mais tous ceux que j'ai suivis sont complètement au-delà de ma compréhension. Tous ces succès semblent avoir une chose en commun: ils sont tous écrits pour des statisticiens teints dans la laine, des gens...
Je suis intéressé à apprendre comment développer une approximation géographique d'une sorte d'épicentre sur la base des données de l'épidémie de choléra de John Snow. Quelle modélisation statistique pourrait être utilisée pour résoudre un tel problème sans connaissance préalable de l'emplacement...
Je regardais à travers la littérature sur la régularisation, et je vois souvent des paragraphes qui relient la régulation de L2 à Gaussian prior, et L1 à Laplace centrée sur zéro. Je sais à quoi ressemblent ces priors, mais je ne comprends pas comment cela se traduit, par exemple, par des poids...
Je voulais poser une question inspirée d' une excellente réponse à la question sur l'intuition pour la distribution bêta. Je voulais mieux comprendre la dérivation de la distribution précédente de la moyenne au bâton. Il semble que David recule les paramètres de la moyenne et de la plage. En...
Cela fait un moment que j'essaie de comprendre l'idée des prieurs conjugués dans les statistiques bayésiennes, mais je ne comprends tout simplement pas. Quelqu'un peut-il expliquer l'idée dans les termes les plus simples possibles, en utilisant peut-être le «prior gaussien» comme...
J'ai essayé de développer une compréhension basée sur l'intuition du théorème de Bayes en termes de probabilité antérieure , postérieure , de probabilité et marginale . Pour cela, j'utilise l'équation suivante: où représente une hypothèse ou une croyance et représente des données ou des preuves....
Quelles sont les différences entre les modèles génératifs et discriminants (discriminants) (dans le contexte de l'apprentissage et de l'inférence bayésienne)? et qu'est-ce qui concerne la prédiction, la théorie de la décision ou l'apprentissage sans
Nous savons que dans le cas d'une distribution préalable correcte, P(θ∣X)=P(X∣θ)P(θ)P(X)P(θ∣X)=P(X∣θ)P(θ)P(X)P(\theta \mid X) = \dfrac{P(X \mid \theta)P(\theta)}{P(X)} ∝P(X∣θ)P(θ)∝P(X∣θ)P(θ) \propto P(X \mid \theta)P(\theta) . La justification habituelle de cette étape est que la distribution...
Je suis intéressé à estimer la densité d'une variable aléatoire continue . Une façon de le faire que j'ai apprise est l'utilisation de l'estimation de la densité du noyau.XXX Mais maintenant je m'intéresse à une approche bayésienne qui va dans le sens suivant. Je crois d' abord que suit une...
Je passe actuellement par "Raisonnement Bayésien et Apprentissage Machine" par David Barber et c'est un livre extrêmement bien écrit et engageant pour apprendre les fondamentaux. Donc, une question à quelqu'un qui l'a déjà fait. Quels sont les prochains livres que je devrais parcourir après avoir...
Lorsque vous essayez de sélectionner parmi différents modèles ou le nombre de fonctionnalités à inclure, disons la prédiction, je peux penser à deux approches. Divisez les données en ensembles de formation et de test. Mieux encore, utilisez le bootstrapping ou la validation croisée k-fold....