Questions marquées «bayesian»

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...

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...

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...

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...

Cette question est un suivi technique de cette question . J'ai du mal à comprendre et à reproduire le modèle présenté dans Raftery (1988): Inférence pour le paramètre binomial NNN : une approche bayésienne hiérarchique dans WinBUGS / OpenBUGS / JAGS. Il ne s'agit pas seulement de code, donc il...

J'essaie d'implémenter l'algorithme hit and run MCMC, mais j'ai un peu de mal à comprendre comment s'y prendre. L'idée générale est la suivante: Pour générer un saut de proposition dans MH, nous: Générer une direction partir d'une distribution à la surface de la sphère unitaire OdddOO\mathcal{O}...

Le calcul bayésien approximatif est une technique vraiment cool pour ajuster essentiellement n'importe quel modèle stochastique, destiné aux modèles où la probabilité est intraitable (par exemple, vous pouvez échantillonner à partir du modèle si vous fixez les paramètres mais vous ne pouvez pas...

Cette question a été inspirée par deux interactions récentes que j'ai eues, l'une ici dans CV , l'autre sur economics.se. Là, j'avais posté une réponse au fameux "paradoxe de l'enveloppe" (rappelez-vous, non pas comme la "bonne réponse" mais comme la réponse découlant d'hypothèses spécifiques sur...

Je connais 3 méthodes pour faire des estimations de paramètres, ML, MAP et Bayes. Et pour l'approche MAP et Bayes, nous devons choisir des a priori pour les paramètres, non? Disons que j'ai ce modèle , dans lequel α , β sont des paramètres, afin de faire l'estimation en utilisant MAP ou Bayes, j'ai...

J'ai utilisé le MCMCglmmpackage récemment. Je suis confus par ce que l'on appelle dans la documentation structure R et structure G. Ceux-ci semblent se rapporter aux effets aléatoires - en particulier en spécifiant les paramètres de la distribution antérieure sur eux, mais la discussion dans la...

Dans son article largement cité Prior distributions for variance parameters in hierarchical models (916 citation à ce jour sur Google Scholar) Gelman propose que de bonnes distributions a priori non informatives pour la variance dans un modèle bayésien hiérarchique soient la distribution uniforme...

Les algorithmes MCMC comme l'échantillonnage de Metropolis-Hastings et Gibbs sont des moyens d'échantillonnage à partir des distributions postérieures conjointes. Je pense que je comprends et que je peux mettre en œuvre la métropole-hasting assez facilement - il vous suffit de choisir les points de...

Étant donné deux tableaux x et y, tous deux de longueur n, j'adapte un modèle y = a + b * x et je veux calculer un intervalle de confiance à 95% pour la pente. C'est (b - delta, b + delta) où b se trouve de la manière habituelle et delta = qt(0.975,df=n-2)*se.slope et se.slope est l'erreur standard...

Après avoir lu ce billet de blog sur les modèles de séries chronologiques structurelles bayésiennes, j'ai voulu examiner la mise en œuvre de cela dans le contexte d'un problème pour lequel j'avais précédemment utilisé ARIMA. J'ai quelques données avec certaines composantes saisonnières connues...

En tant qu'étudiant en physique, j'ai fait l'expérience de la conférence «Pourquoi je suis un bayésien» peut-être une demi-douzaine de fois. C'est toujours la même chose - le présentateur explique avec suffisance comment l'interprétation bayésienne est supérieure à l'interprétation fréquentiste...

Pr(data)Pr(data)\Pr(\textrm{data}) Pr(parameters∣data)=Pr(data∣parameters)Pr(parameters)Pr(data)Pr(parameters∣data)=Pr(data∣parameters)Pr(parameters)Pr(data)\Pr(\text{parameters} \mid \text{data}) = \frac{\Pr(\textrm{data} \mid \textrm{parameters}) \Pr(\text{parameters})}{\Pr(\text{data})} est...

J'ai du mal à comprendre pourquoi l'inférence bayésienne conduit à des problèmes insolubles. Le problème est souvent expliqué comme ceci: Ce que je ne comprends pas, c'est pourquoi cette intégrale doit être évaluée en premier lieu: il me semble que le résultat de l'intégrale est simplement une...

J'ai une vague idée de ce qu'est une méthode de transmission de messages: un algorithme qui construit une approximation d'une distribution en construisant itérativement des approximations de chacun des facteurs de la distribution conditionnelle à toutes les approximations de tous les autres...

Je lis actuellement sur les méthodes bayésiennes dans le calcul de l'évolution moléculaire par Yang. Dans la section 5.2, il parle des prieurs, et en particulier des non-informatifs / plats / vagues / diffus, conjugués et hyperpriors. Cela pourrait demander une simplification excessive, mais...

J'analyse un ensemble de données à l'aide d'un modèle à effets mixtes avec un effet fixe (condition) et deux effets aléatoires (participant en raison de la conception et de la paire du sujet). Le modèle a été généré avec le lme4package: