«bayesian» 태그된 질문

나는 통계 초보자입니다 (단 하나의 대학 과정 만 수강), 프로그래밍에 대한 배경 지식이 있습니다. 방금 Ruby 용 베이지안 분류기 라이브러리를 가지고 놀기 시작했고 분석 할 아이디어를 찾고 있습니다. 지금은 트윗 분류로 엉망이지만 아이디어가 있습니까? 더 중요한 것은 어떤 유형의 데이터가 베이지안 분류를 순진하게 만드는지 알 수있는 방법입니다. 감사.

11 bayesian  naive-bayes 

에 자신의 위키 페이지 , 스탠 상태의 개발자 : 우리가 싫어하는 일부 원칙 : 불변성, Jeffreys, 엔트로피 대신 많은 정규 배포 권장 사항이 있습니다. 지금까지 샘플링에 의존하지 않는 베이지안 방법을 사용했는데 왜 는 이항 우도에 적합합니다.θ∼Beta(α=12,β=12)θ∼Beta(α=12,β=12)\theta \sim \text{Beta}\left(\alpha=\frac{1}{2},\beta=\frac{1}{2}\right)

11 bayesian  mcmc  prior  pymc  stan 

mgcv에 대한 패키지는 R텐서 제품의 상호 작용을 피팅에 대한 두 가지 기능이 있습니다 : te()와 ti(). 나는 둘 사이의 기본 노동 분열을 이해한다 (비선형 상호 작용에 적합하고이 상호 작용을 주요 효과와 상호 작용으로 분해). 내가 이해할 수없는 것은 왜 te(x1, x2)와 ti(x1) + ti(x2) + ti(x1, x2)(약간) 다른 결과가 발생할 …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

유방 촬영 사진의 왜곡이 완벽한 클래식 유방 촬영 예에 적용된 Bayes Theorem의 결과를 머리로 감싸려고합니다. 그건, 암 발병률 : .01.01.01 환자에게 암이 있다고 가정 할 때 양성 유방 조영술의 가능성 : 111 환자에게 암이없는 경우 양성 유방 조영술의 가능성 : .01.01.01 베이 즈 : P (암 | 유방 조영술 +) …

11 bayesian  bayes  binning  diagnosis 

내 실제 질문은 마지막 두 단락에 있지만 동기를 부여합니다. 알려진 분산으로 정규 분포를 따르는 랜덤 변수의 평균을 추정하려고 시도하면 평균보다 균일 한 분포를 가지면 우도 함수에 비례하는 사후 분포가 발생한다는 것을 읽었습니다. 이러한 상황에서 베이지안 신뢰할 수있는 구간은 빈번한 신뢰 구간과 완벽하게 겹치며, 베이지안 최대 사후 추정치는 빈번한 최대 우도 …

11 bayesian  maximum-likelihood  posterior  frequentist 

베이 즈 정리에 따르면 입니다. 그러나 내 계량 텍스트에 따르면 라고 말합니다 . 왜 이런가요? 가 무시되는 이유를 모르겠습니다 .P ( θ | Y ) α P ( Y | θ ) P ( θ ) P ( Y )P(y|θ)P(θ)=P(θ|y)P(y)P(y|θ)P(θ)=P(θ|y)P(y)P(y|\theta)P(\theta) = P(\theta|y)P(y)P(θ|y)∝P(y|θ)P(θ)P(θ|y)∝P(y|θ)P(θ)P(\theta|y) \propto P(y|\theta)P(\theta)P(y)P(y)P(y)

11 bayesian  conditional-probability  likelihood 

계층 적 우선 순위는 무엇입니까? 그것들은 이전의 일반적인 개념과 어떻게 다릅니 까?

11 bayesian  multilevel-analysis 

여기서 "증거의 무게"(WOE)는 출판 된 과학 및 정책 결정 문헌에서 일반적으로 사용되는 용어로, 다음과 같이 정의 된 위험 평가와 관련하여 가장 자주 나타납니다. w(e:h)=logp(e|h)p(e|h¯¯¯)w(e:h)=log⁡p(e|h)p(e|h¯)w(e : h) = \log\frac{p(e|h)}{p(e|\overline{h})} 여기서 증거이며, 가설이다.시간eeehhh 이제 PMI와의 주요 차이점 (포인트 별 상호 정보)을 알고 싶습니다. pmi(e,h)=logp(e,h)p(e)∗p(h)pmi(e,h)=log⁡p(e,h)p(e)∗p(h)pmi(e,h)=\log\frac{p(e,h)}{p(e)*p(h)}

11 probability  bayesian  mutual-information 

"예측 규모 예측"(FBProphet 예측 도구, https://peerj.com/preprints/3190.pdf 참조 )을 읽으면서 나는 "먼저 스파 스"라는 용어를 발견했습니다. 저자 는 로지스틱 성장 모델의 모델 매개 변수 인 스칼라 비율 에서 속도 편차 벡터를 모델링 할 때 이러한 "스파 스 이전"을 사용했다고 설명합니다 .δδ\mathbf{\delta}kkk 그들이 라고 말하면서, 매개 변수 가 작 으면 "sparse"가 0에 …

11 regression  bayesian  forecasting 

확률 밀도 함수가 있는 일반 정규 분포 ( wikipedia entry )를 사용하여 식물 분산을 모델링 하고 있습니다. b2aΓ(1/b)e−(da)bb2aΓ(1/b)e−(da)b \frac{b}{2a\Gamma(1/b)} e^{-(\frac{d}{a})^b} 여기서 는 이동 거리, 는 척도 모수, 는 모양 모수입니다. 이동 한 평균 거리는이 분포의 표준 편차로 제공됩니다.dddaaabbb a2Γ(3/b)Γ(1/b)−−−−−−−−√a2Γ(3/b)Γ(1/b) \sqrt{\frac{a^2 \Gamma(3/b)}{\Gamma(1/b)}} 이것은 일 때 지수 모양 , 일 때 가우시안 …

10 distributions  bayesian  mcmc 

내가 건너 온 이 슬라이드 온라인 교육 과정 중 하나 (슬라이드 # 16 & # 17). 강사는 최대 후방 추정치 (MAP)가 실제로 솔루션 인 방법을 설명하려고했습니다 . 여기서 는 참 매개 변수.L(θ)=I[θ≠θ∗]L(θ)=I[θ≠θ∗]L(\theta) = \mathcal{I}[\theta \ne \theta^{*}]θ∗θ∗\theta^{*} 누군가 이것이 어떻게 진행되는지 설명해 주시겠습니까? 편집 : 링크가 끊어 질 경우 슬라이드를 추가했습니다.

10 bayesian  optimization  loss-functions  decision-theory  map-estimation 

베이지안 통계를 가르치기위한 "실제 사례"를 찾고 싶습니다. 베이지안 통계를 통해 사전 지식을 공식적으로 분석에 통합 할 수 있습니다. 학생들에게 사전 지식을 분석에 통합 한 간단한 실제 사례를 학생들에게 제공하여 학생들이 왜 베이지안 통계를 사용하고 싶은지에 대한 동기를 더 잘 이해할 수 있도록하고 싶습니다. 연구원들이 사전 정보를 공식적으로 통합 한 인구 …

10 bayesian  teaching 

표준 교육에 따르면 민감도와 특이도는 시험의 특성이며 유병률과 무관합니다. 그러나 이것은 단순한 가정이 아닌가? 내과의 해리슨의 원칙 19 에드 감도와 특이성은 유병률에 독립적 인 테스트 정확도의 매개 변수라고 오랫동안 주장되어 왔으며 많은 텍스트가 여전히이 진술을합니다. 그러나이 통계적으로 유용한 가정은 임상 적으로 단순합니다. ... 입원 환자의 경우 검사 민감도가 높을 것이고 …

10 bayesian  epidemiology  diagnostic  sensitivity-specificity 

이 두 종류의 이전의 차이점이 무엇인지 궁금합니다. 비 정보 부적절한

10 bayesian  prior  improper-prior 

현재 여러 ODE로 구성된 모델의 매개 변수를 추정하기 위해 베이지안 접근법을 사용하고 있습니다. 추정 할 매개 변수가 15 개이므로 샘플링 공간이 15 차원이고 구배 분포를 검색 한 결과 극도로 낮은 확률로 큰 영역에 의해 고립 된 국소 극대값이 많은 것 같습니다. 이것은 하나의 체인이 하나의 로컬 최대 값에서 "점프"하여 실수로 …

10 bayesian  mcmc  monte-carlo  ergodic