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...
Pourquoi même des priors non informatifs? Ils ne fournissent pas d'informations sur . Alors pourquoi les utiliser? Pourquoi ne pas utiliser uniquement des priors informatifs? Par exemple, supposons θ ∈ [ 0 , 1 ] . Alors θ ∼ U ( 0 , 1 ) est-il un a priori non informatif pour θ ?θθ\thetaθ ∈ [ 0 , 1...
Je suis tombé sur cette image dans un article de blog ici . J'ai été déçu que la lecture de la déclaration n'ait pas suscité la même expression faciale pour moi que pour ce type. Alors, que veut dire l'affirmation selon laquelle l'hypothèse nulle est de savoir comment les fréquentistes expriment un...
J'essaie d'adapter un modèle à temps discret dans R, mais je ne sais pas comment le faire. J'ai lu que vous pouvez organiser la variable dépendante dans différentes lignes, une pour chaque observation de temps, et utiliser la glmfonction avec un lien logit ou cloglog. En ce sens, j'ai trois...
Nous avons N échantillons, , d'une distribution uniforme où est inconnue. Estimer partir des données.XiXiX_i[0,θ][0,θ][0,\theta]θθ\thetaθθ\theta Donc, la règle de Bayes ... f(θ|Xi)=f(Xi|θ)f(θ)f(Xi)f(θ|Xi)=f(Xi|θ)f(θ)f(Xi)f(\theta | {X_i}) = \frac{f({X_i}|\theta)f(\theta)}{f({X_i})} et la...
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...
Je sais que le précédent de Zellner utilise des données afin de définir des informations préalables, mais en fait, tout le modèle dépend des données. Y a-t-il une autre
Je travaille sur un modèle reposant sur une vilaine fonction paramétrée faisant office de fonction de calibration sur une partie du modèle. En utilisant un paramètre bayésien, j'ai besoin d'obtenir des priors non informatifs pour les paramètres décrivant ma fonction. Je sais que dans l'idéal, je...
La fonction de vraisemblance d'une distribution lognormale est: F( x ; μ , σ) ∝∏nje11σXjeexp( -( lnXje- μ)22σ2)F(X;μ,σ)∝∏je1n1σXjeexp(-(lnXje-μ)22σ2)f(x; \mu, \sigma) \propto \prod_{i_1}^n \frac{1}{\sigma x_i} \exp \left ( - \frac{(\ln{x_i} - \mu)^2}{2 \sigma^2} \right ) et le Prior de Jeffreys...
Les priors non informatifs sont préférés dans les cas où les préjugés ne sont pas acceptables (c.-à-d. Salles d'audience, etc.) Cependant, il me semble qu'il serait tout simplement judicieux d'utiliser une approche fréquentiste à la place. Pourquoi l'approche bayésienne a-t-elle même un prior non...
J'ai lu les excellents commentaires sur la façon de traiter les valeurs manquantes avant d'appliquer SVD, mais j'aimerais savoir comment cela fonctionne avec un exemple simple: Movie1 Movie2 Movie3 User1 5 4 User2 2 5 5 User3 3 4 User4 1 5 User5 5 1 5 Étant donné la matrice ci-dessus, si je...