«bayesian» 태그된 질문

그의 널리 인용 된 논문 에서 계층 적 모델의 분산 모수에 대한 사전 분포 Gelman은 계층 적 베이지안 모델의 분산에 대한 유익한 비 정보 적 사전 분포가 균일 분포와 반 t 분포라고 제안합니다. 내가 올바르게 이해하면 위치 매개 변수 (예 : 평균)가 주요 관심사 일 때 잘 작동합니다. 경우에 따라 …

16 bayesian  variance  prior  jags  hierarchical-bayesian 

적중을 구현하고 MCMC 알고리즘을 실행하려고하는데 그 방법을 이해하는 데 약간의 어려움이 있습니다. 일반적인 아이디어는 다음과 같습니다. MH에서 제안 점프를 생성하기 위해 : 단위 구의 표면에 대한 분포에서 방향 를 생성합니다.dddOO\mathcal{O} 제한된 공간을 따라 부호있는 거리 를 생성합니다 .λλ\lambda 그러나 R (또는 다른 언어)로 이것을 구현하는 방법을 모릅니다. 누구든지 올바른 방향으로 …

16 r  bayesian  mcmc 

이 질문의 기술 후속 인 이 질문에 . Raftery (1988) : 이항 매개 변수에 대한 추론 :NNN WinBUGS / OpenBUGS / JAGS 의 계층 적 Bayes 접근 방식 에 제시된 모델을 이해하고 복제하는 데 어려움이 있습니다. 그것은 코드에 관한 것이 아니라 여기서 주제에 관한 것이어야합니다. 배경 하자 알 수있는 이항 …

16 bayesian  binomial  hierarchical-bayesian  winbugs 

MCMCglmm최근 에 패키지를 사용하고 있습니다. 설명서에서 R 구조 및 G 구조라고하는 것에 혼동됩니다. 이는 임의의 영향과 관련이있는 것 같습니다. 특히 이전 분포에 대한 모수를 지정하지만 설명서의 설명은 독자가 이러한 용어가 무엇인지 알고 있다고 가정합니다. 예를 들면 다음과 같습니다. R (R- 구조) G (G- 구조) 및 B (고정 효과) : )는 …

16 r  bayesian  mixed-model  lme4-nlme 

매개 변수 추정, ML, MAP 및 Bayes 접근을 수행하는 3 가지 방법을 알고 있습니다. 그리고 MAP 및 Bayes 접근의 경우 매개 변수의 우선 순위를 선택해야합니다. 나는이 모델이 말해 , 여기서 α , β는 MAP 또는 베이 즈를 사용하여 추정을하기 위해, 매개 변수는을, 나는 우리가 더 나은 거라고 책에서 읽은 컨쥬 …

16 bayesian  estimation  prior 

하나의 고정 효과 (조건)와 두 개의 임의 효과 (대상 내 설계 및 쌍으로 인해 참가자)가있는 혼합 효과 모델을 사용하여 데이터 세트를 분석하고 있습니다. lme4패키지로 모델이 생성되었습니다 exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp). 다음으로, 고정 효과 (조건)없이 모형에 대해이 모형의 우도 비 검정을 수행했으며 유의 한 차이가 있습니다. 내 데이터 세트에는 3 가지 조건이 있으므로 다중 …

16 r  repeated-measures  multiple-comparisons  post-hoc  lsmeans  bayesian  posterior  marginal  integral  anova  time-series  regularization  machine-learning  pca  computational-statistics  references  inference  regression  cross-validation  python  random-forest  chi-squared  spearman-rho  r  machine-learning  confidence-interval  bagging  clustering  feature-selection  model-selection  bic  hypothesis-testing  kurtosis  r  regression  residuals  terminology 

나는 그것을 생각 P(A|B)=P(A|B,C)∗P(C)+P(A|B,¬C)∗P(¬C)P(A|B)=P(A|B,C)∗P(C)+P(A|B,¬C)∗P(¬C)P(A|B) = P(A | B,C) * P(C) + P(A|B,\neg C) * P(\neg C) 정확하지만 P(A|B)=P(A|B,C)+P(A|B,¬C)P(A|B)=P(A|B,C)+P(A|B,¬C)P(A|B) = P(A | B,C) + P(A|B,\neg C) 부정확하다. 그러나 나는 나중에 대해 "직관"을 얻었습니다. 즉, 두 경우 (C 또는 C가 아닌)를 분할하여 확률 P (A | B)를 고려합니다. 이 직관이 왜 틀린가?

15 probability  bayesian 

주어진 추론 문제에 대해, 베이지안 접근 방식은 대개 형태와 결과가 Fequentist 접근 방식과 다르다는 것을 알고 있습니다. 상용 주의자들 (보통 저를 포함)은 종종 그들의 방법이 이전을 필요로하지 않기 때문에 "심사 주도"보다 "데이터 주도"라고 지적합니다. 물론, 베이지안은 비 정보적인 선행을 지적 할 수도 있고, 실용적이라면 실제로는 매우 확산 된 선행을 사용할 …

15 bayesian  inference  likelihood  likelihood-ratio  frequentist 

대략적인 베이지안 계산 (ABC)과 마르코프 체인 몬테 카를로 (MCMC)는 비슷한 목표를 가지고 있습니다. 아래에서는 이러한 방법에 대한 이해와 실제 데이터에 대한 응용 프로그램의 차이점을 어떻게 인식하는지 설명합니다. 대략적인 베이지안 계산 ABC는 수치 시뮬레이션을 통해 관측 된 와 비교되는 통계 를 계산하여 이전 의 매개 변수 를 샘플링하는 것으로 구성됩니다 . …

15 bayesian  mcmc  computational-statistics 

내 기본 질문은 : 어떻게 당신은 부적절한 배포판에서 샘플링 할 것입니까? 부적절한 분포에서 표본을 추출하는 것이 합리적입니까? Xi'an의 의견은 여기에 일종의 질문을 제기하지만 이에 대한 자세한 내용을 찾고있었습니다. MCMC에보다 구체적 : MCMC에 대해 이야기하고 논문을 읽을 때 저자들은 적절한 후방 분포를 얻는 것에 중점을 둡니다. 유명한 Geyer (1992) 논문이 있는데, …

15 distributions  bayesian  mcmc  markov-process  improper-prior 

베이지안 추론이 다루기 힘든 문제를 일으키는 이유를 이해하는 데 문제가 있습니다. 문제는 종종 다음과 같이 설명됩니다. 내가 이해하지 못하는 것은이 적분이 처음부터 평가되어야하는 이유입니다. 적분의 결과는 단순히 정규화 상수 (데이터 세트 D가 주어짐) 인 것 같습니다. 왜 사후 분포를 우변의 분자로 계산 한 다음 사후 분포에 대한 적분이 1이되도록 요구하여이 …

15 bayesian  inference 

베이지안 구조 시계열 모델에 대한 이 블로그 게시물을 읽은 후 이전에 ARIMA를 사용했던 문제와 관련하여이를 구현하고 싶었습니다. 나는 알려진 (그러나 시끄러운) 계절 성분에 대한 데이터를 가지고 있습니다. 연간, 매월 및 매주 성분이 있으며 특별한 날 (연방 또는 종교 휴일과 같은)로 인한 영향도 있습니다. 나는 bsts이것을 구현 하기 위해 패키지를 사용했으며 …

15 r  time-series  bayesian  mcmc  bsts 

수식을 기억하는 좋은 방법은 다음과 같이 수식을 생각하는 것입니다. 독립적 인 이벤트 B의 결과를 고려할 때 일부 이벤트 A가 특정 결과를 가질 확률 = 두 결과가 동시에 발생할 확률 / 이벤트 A의 원하는 결과 확률은 이벤트 B의 결과를 모르는 경우입니다. 예를 들어, 질병 검사를 고려하십시오. 질병에 대해 양성 검사를받는 환자가 …

15 bayesian  bayes 

검토 자로부터 베이지안 다단계 모델의 모형 추정치를 더 잘 이해하기 위해 p- 값을 제공하도록 요청했습니다. 이 모델은 실험 참가자 당 여러 관측치의 일반적인 모델입니다. Stan으로 모형을 추정하여 추가 사후 통계를 쉽게 계산할 수 있습니다. 현재, 우리는 (시각적으로 그리고 표로) 평균 추정치와 0.025와 0.975 Quantile을보고하고 있습니다. 지금까지의 답변에는 다음이 포함됩니다. P- …

15 bayesian  p-value  multilevel-analysis 

능선 회귀는 사전이 적절하게 선택된 경우 사후 분포의 평균으로 도출 될 수 있다고 들었습니다. 이전의 회귀 계수에 설정된 제약 (예 : 0 주위의 표준 정규 분포)이 동일하고 계수의 제곱 크기에 설정된 페널티를 대체한다는 직감이 있습니까? 이 동등성을 유지하려면 이전이 가우시안이어야합니까?

15 bayesian  prior  ridge-regression