Questions marquées «bayesian»

On fait souvent valoir que le cadre bayésien a un grand avantage dans l'interprétation (sur fréquentiste), car il calcule la probabilité d'un paramètre étant donné les données - au lieu de comme dans le cadre fréquentiste. Jusqu'ici tout va bien.p ( x | θ )p ( θ | x )p(θ|x)p(\theta|x)p ( x | θ...

Je veux vraiment en savoir plus sur les techniques bayésiennes, j'ai donc essayé de m'enseigner un peu. Cependant, j'ai du mal à voir que l'utilisation de techniques bayésiennes confère un avantage sur les méthodes fréquentistes. Par exemple: j'ai vu dans la littérature un peu comment certains...

Ma compréhension du débat bayésien vs fréquentiste est que les statistiques fréquentistes: est (ou prétend être) objectif ou du moins impartial donc différents chercheurs, en utilisant des hypothèses différentes, peuvent toujours obtenir des résultats quantitativement comparables tandis que les...

Quelqu'un sait-il vers quelle année MCMC est devenu courant (c.-à-d., Une méthode populaire pour l'inférence bayésienne)? Un lien vers le nombre d'articles MCMC (revues) publiés au fil du temps serait particulièrement

C'est une question très simple mais je ne trouve la dérivation nulle part sur Internet ou dans un livre. J'aimerais voir comment un bayésien met à jour une distribution normale multivariée. Par exemple: imaginez que P(x|μ,Σ)P(μ)==N(μ,Σ)N(μ0,Σ0).P(x|μ,Σ)=N(μ,Σ)P(μ)=N(μ0,Σ0). \begin{array}{rcl}...

Dans la formule de Bayes: P( x | a ) = P( a | x ) P( x )P( A )P(x|a)=P(a|x)P(x)P(a)P(x|a) = \frac{P(a|x) P(x)}{P(a)} la probabilité postérieure dépasser 1?P( x | a )P(x|a)P(x|a) Je pense que c'est possible si, par exemple, en supposant que , et , et . Mais je ne suis pas sûr de cela, car qu'est-ce...

Qu'est-ce qu'un bon livre sur la philosophie bayésienne, opposant les subjectivistes aux objectivistes, expliquant la vue de la probabilité comme état des connaissances dans les statistiques bayésiennes, etc.? Peut-être le livre de Savage? Au début, je pensais que Berger (1986) pouvait fonctionner,...

Je me demande simplement si les statistiques bayésiennes seraient appliquées en conséquence de la première étude à la dernière si cela rend une méta-analyse obsolète. Par exemple, supposons que 20 études ont été réalisées à différents moments. L'estimation ou la distribution de la première étude a...

Verrouillé . Cette question et ses réponses sont verrouillées car la question est hors sujet mais a une signification historique. Il n'accepte pas actuellement de nouvelles réponses ou interactions. J'ai acheté ce livre: Comment mesurer n'importe quoi: trouver la valeur des actifs incorporels en...

Je suis à la recherche d'un bon tutoriel sur le clustering des données en Rutilisant le processus de dirichlet hiérarchique (HDP) (l'une des méthodes bayésiennes non paramétriques récentes et populaires). Il existe DPpackage(à mon humble avis, le plus complet de tous ceux disponibles) Rpour...

Quelqu'un a-t-il écrit un bref aperçu des différentes approches statistiques? En première approximation, vous disposez de statistiques fréquentistes et bayésiennes. Mais lorsque vous regardez de plus près, vous avez également d'autres approches comme les bayésiens vraisemblables et empiriques. Et...

Il est bien connu que la régression linéaire avec une pénalité de équivaut à trouver l'estimation MAP donnée un a priori gaussien sur les coefficients. De même, l'utilisation d'une pénalité équivaut à l'utilisation d'une distribution de Laplace comme a priori.l2l2l^2l1l1l^1 Il n'est pas rare...

Ma compréhension de l'algorithme est la suivante: Aucun échantillonneur de demi-tour (NUTS) est une méthode hamiltonienne de Monte Carlo. Cela signifie qu'il ne s'agit pas d'une méthode de chaîne de Markov et donc, cet algorithme évite la partie de marche aléatoire, qui est souvent considérée comme...

Avec un a priori plat, les estimateurs ML (fréquentiste - maximum de vraisemblance) et MAP (bayésien - maximum a posteriori) coïncident. Plus généralement, cependant, je parle d'estimateurs ponctuels dérivés comme optimiseurs d'une fonction de perte. C'est à dire (Bayésien)  x...

J'essaie actuellement de comprendre le principe de vraisemblance et je ne comprends vraiment pas du tout. Donc, j'écrirai toutes mes questions sous forme de liste, même si ce sont des questions assez basiques. Que signifie exactement l'expression «toutes les informations» dans le contexte de ce...

Les estimateurs de régression pénalisés tels que LASSO et ridge correspondraient aux estimateurs bayésiens avec certains a priori. Je suppose (comme je ne connais pas assez les statistiques bayésiennes) que pour un paramètre de réglage fixe, il existe un a priori concret correspondant. Maintenant,...

Lors de l'utilisation de la modélisation de sujet (allocation Dirichlet latente), le nombre de sujets est un paramètre d'entrée que l'utilisateur doit spécifier. Il me semble que nous devrions également fournir une collection d'ensembles de sujets candidats que le processus Dirichlet doit...

Robby McKilliam dit dans un commentaire à ce post: Il convient de souligner que, du point de vue des fréquentistes, il n'y a aucune raison pour que vous ne puissiez pas intégrer les connaissances antérieures dans le modèle. En ce sens, la vue fréquentiste est plus simple, vous n'avez qu'un modèle...

Si nous avons un petit échantillon, la distribution antérieure influencera-t-elle beaucoup la distribution

Je suis à la recherche de priors non informatifs pour la distribution bêta pour travailler avec un processus binomial (Hit / Miss). Au début, j'ai pensé à utiliser α=1,β=1α=1,β=1\alpha=1, \beta=1 qui génèrent un PDF uniforme, ou Jeffrey avant α=0.5,β=0.5α=0.5,β=0.5\alpha=0.5, \beta=0.5 . Mais je...