«bayesian» 태그된 질문

잦은 통계에서 95 % 신뢰 구간은 무한 횟수 반복 될 경우 시간의 실제 매개 변수 95 %를 포함하는 구간 생성 절차입니다. 이것이 왜 유용한가요? 신뢰 구간은 종종 오해됩니다. 매개 변수가 95 % 확신 할 수있는 구간 이 아닙니다 (유사한 베이지안 신뢰 구간을 사용하지 않는 한). 신뢰 구간은 미끼와 같은 느낌입니다. …

11 hypothesis-testing  bayesian  mathematical-statistics  confidence-interval  frequentist 

나는 종종 사람들이 베이지안 계층 모델에서 정보 차용 또는 정보 공유에 대해 이야기합니다. 이것이 실제로 무엇을 의미하는지, 이것이 베이지안 계층 모델에 고유한지에 대한 직접적인 대답을 얻을 수없는 것 같습니다. 나는 일종의 아이디어를 얻습니다. 계층의 일부 수준은 공통 매개 변수를 공유합니다. 나는 이것이 어떻게 "정보 차용"으로 해석되는지 전혀 모른다. "정보 차용"/ …

11 machine-learning  bayesian  multilevel-analysis  terminology  hierarchical-bayesian 

(이 질문은 Xi'an 의이 의견 에서 영감을 얻었습니다 .) 이전 분포 가 적절하고 가능성 이 잘 정의되어 있으면 사후 분포 은 거의 확실합니다.π(θ)π(θ)\pi(\theta)L(θ|x)L(θ|x)L(\theta | x)π(θ|x)∝π(θ)L(θ|x)π(θ|x)∝π(θ)L(θ|x)\pi(\theta|x)\propto \pi(\theta) L(\theta|x) 경우에 따라 강화 또는 지수화 가능성을 대신 사용하여 의사-후 위로 이어집니다. π~(θ|x)∝π(θ)L(θ|x)απ~(θ|x)∝π(θ)L(θ|x)α\tilde\pi(\theta|x)\propto \pi(\theta) L(\theta|x)^\alphaα>0 일부 (예 : 계산상의 이점이있을 수 있음).α>0α>0\alpha>0 이 설정에서는 …

11 bayesian  prior  posterior 

Bayes 추정기는 선택 바이어스에 면역성이 있습니까? 전체 게놈 서열 데이터와 같은 높은 차원의 추정에 대해 논의하는 대부분의 논문은 종종 선택 편향 문제를 제기합니다. 선택 편견은 수천 개의 잠재적 예측 변수가 있지만 선택되는 소수는 거의 없으며 선택된 소수에 대해서는 추론이 수행된다는 사실에서 비롯됩니다. 따라서 프로세스는 두 단계로 진행됩니다. (1) 예측 변수의 …

11 bayesian  feature-selection  bias  unbiased-estimator  conjugate-prior 

BSTS R 패키지에 대한 Steven Scott의 슬라이드를 읽고 있습니다 (여기에서 찾을 수 있습니다 : 슬라이드 ). 어떤 시점에서, 구조 시계열 모델에 많은 회귀자를 포함하는 것에 대해 이야기 할 때 회귀 계수의 스파이크 및 슬래브 사전을 소개하고 처벌 된 방법에 비해 더 우수하다고 말합니다. Scott은 100 개의 예측 변수가있는 데이터 세트의 …

11 r  bayesian  feature-selection  penalized  bsts 

Bayesian Statistics (With R)의 기본 MCMC에 대한 실용적이고 이론적 인 예가있는 논문이나 서적을 찾고 있습니다. 나는 시뮬레이션에 대해 연구 한 적이 없어서 "기본"정보를 찾고 있습니다. 몇 가지 권장 사항이나 조언을 줄 수 있습니까?

11 bayesian  references  mcmc 

베이지안 커뮤니티 내에서 베이지안 모수 추정을 수행해야하는지 아니면 베이지안 가설 검정을 수행해야하는지에 대한 논의가 진행중인 것 같습니다. 나는 이것에 대한 의견을 구하는 데 관심이 있습니다. 이러한 접근 방식의 상대적 강점과 약점은 무엇입니까? 어떤 상황에서 다른 것보다 더 적절한가? 모수 추정과 가설 검정을 모두 수행해야합니까, 아니면 하나만 수행해야합니까?

11 hypothesis-testing  bayesian 

범주의 기초가되는 확률 구조가 완벽하게 알려진 이상적인 경우로 간주됩니다. 왜 Bayes 분류기를 사용하여 달성 할 수있는 최고의 성능을 달성 할 수 있습니까? 이에 대한 공식적인 증거 / 설명은 무엇입니까? 우리는 항상 다른 모든 분류기의 성능을 비교하기 위해 Bayes 분류기를 벤치 마크로 사용합니다.

11 probability  classification  bayesian  bayes 

다음은 Bolstad의 베이지안 통계 소개 에서 발췌 한 것입니다 . 거기에있는 모든 전문가에게 이것은 사소한 것일 수 있지만 저자가 우리가 어떤 값에 대한 사후 확률을 계산하기 위해 통합을 수행 할 필요가 없다는 결론을 내릴 수 없습니다 . 나는 두 번째 표현 인 비례와 모든 용어의 유래를 이해합니다 ( likelihood x …

11 distributions  bayesian  beta-distribution  conjugate-prior 

대학원 통계 추론 수업에서 Jeffreys의 이전에 대해 배웠을 때 교수님들은 누군가가 그것을 사용하기보다는 역사적 이유로 대부분 흥미로워하는 것처럼 들었습니다. 그런 다음 베이지안 데이터 분석을 수행 할 때 Jeffreys의 사전 사용을 요청받지 않았습니다. 실제로 실제로 이것을 사용하는 사람이 있습니까? 그렇다면 (또는 그렇지 않은 경우) 왜 또는 왜 그렇지 않습니까? 일부 통계 …

11 bayesian  prior  jeffreys-prior 

모수의 MAP 추정에 대한 공식이 주어지면 왜 MCMC (또는 유사한) 접근 방식이 필요합니까? 미분을 취하여 0으로 설정 한 다음 모수를 풀 수 없었습니까?

11 bayesian  estimation  mcmc 

PyMC3을 사용하여 데이터에서 베이지안 모델을 실행하고 있습니다. 나는 Bayesian 모델링에 익숙하지 않지만 이 사이트의 일부 블로그 게시물 , Wikipedia 및 QA 에 따르면 Bayes factor 및 BIC 기준을 사용하여 내 데이터를 가장 잘 나타내는 모델을 선택할 수있는 유효한 접근 방법 인 것 같습니다 (생성하는 모델) 내 데이터). Bayes 계수를 계산하려면 …

11 bayesian  model-selection  pymc 

저의 학급, 학부 또는 대학원에서 그 용어에 대해 들어 보지 못했다고 고백해야합니다. 로지스틱 회귀 분석이 베이지안이라는 것은 무엇을 의미합니까? 다음과 비슷한 정규 물류에서 베이지안 물류로의 전환에 대한 설명을 찾고 있습니다. 이것은 선형 회귀 모델의 방정식입니다 : .E(y)=β0+β1x1+...+βnxnE(y)=β0+β1x1+...+βnxnE(y) = \beta_0 + \beta_1x_1 + ... + \beta_nx_n 이것은 로지스틱 회귀 모델 식이다 …

11 regression  logistic  bayesian  multiple-regression  generalized-linear-model 

나는 Normal-Wishart 후부의 파생을 연구하고 있지만 매개 변수 중 하나 (스케일 매트릭스의 후부, 아래쪽 참조)에 붙어 있습니다. 맥락과 완전성을 위해 다음은 모델과 나머지 파생물입니다. xiμΛ∼N(μ,Λ)∼N(μ0,(κ0Λ)−1)∼W(υ0,W0)xi∼N(μ,Λ)μ∼N(μ0,(κ0Λ)−1)Λ∼W(υ0,W0)\begin{align} x_i &\sim \mathcal{N}(\boldsymbol{\mu}, \boldsymbol{\Lambda})\\ \boldsymbol{\mu} &\sim \mathcal{N}(\boldsymbol{\mu_0}, (\kappa_0 \boldsymbol{\Lambda})^{-1})\\ \boldsymbol{\Lambda} &\sim \mathcal{W}(\upsilon_0, \mathbf{W}_0) \end{align} 세 가지 요소 각각의 확장 된 형태는 다음과 같습니다 (최대 비례 …

11 bayesian  posterior 

두 클래스 및 에 속성 가 있고 분포가 및 합니다. 다음 비용 매트릭스에 대해 동일한 사전 경우 :C1C1C_1C2C2C_2xxxN(0,0.5)N(0,0.5) \cal{N} (0, 0.5)N(1,0.5)N(1,0.5) \cal{N} (1, 0.5)P(C1)=P(C2)=0.5P(C1)=P(C2)=0.5P(C_1)=P(C_2)=0.5 L=[010.50]L=[00.510]L= \begin{bmatrix} 0 & 0.5 \\ 1 & 0 \end{bmatrix} 왜, 가 최소 위험 (비용) 분류기의 임계 값입니까?x0&lt;0.5x0&lt;0.5x_0 < 0.5 이것은 내가 오해하는 나의 주 예입니다 …

11 machine-learning  classification  bayesian  normal-distribution  bivariate