«bayesian» 태그된 질문

편향 동전 모델에는 일반적으로 하나의 매개 변수 있습니다. 일련의 추첨에서 를 추정하는 한 가지 방법 은 베타 사전을 사용하고 이항 우도를 갖는 사후 분포를 계산하는 것입니다.θ=P(Head|θ)θ=P(Head|θ)\theta = P(\text{Head} | \theta)θθ\theta 내 설정에서 이상한 물리적 프로세스로 인해 동전 속성이 천천히 변경되고 는 시간 의 함수가됩니다 . 내 데이터는 일련의 정렬 된 …

10 time-series  bayesian  kalman-filter 

'전문가' 가 있다고 가정 해 봅시다 .이 변수에서 변수 에 대한 사전 배포를 유도하려고 합니다. 나는 진짜 돈으로 그들에게 동기를 부여하고 싶습니다 . 아이디어는 우선 순위를 도출하고 , 랜덤 변수 의 실현을 관찰 한 다음, 사전이 증거와 얼마나 잘 일치하는지에 따라 전문가들 사이에서 미리 정해진 '지갑'을 나눕니다. 이 마지막 부분에 …

10 bayesian  prior 

이 질문과 특히 "문제 3"에서 영감을 얻었습니다. 분포에 대한 빈번하고 매개 변수적인 설명이 제공되지 않는 한 사후 분포는 메타 분석에 통합하기가 다소 어렵습니다. 나는 메타 분석을 베이 즈 모델에 통합하는 것에 대해 최근에 많은 생각을 해왔다. 베이지안 분석이 실제로 대중화되고 기존 코드에 통합하기가 매우 쉬워지면 (SAS 9.2 이상의 BAYES 문이 …

10 bayesian  meta-analysis 

나는 학교 시절과 대학에서 통계에 관한 충분한 코스를 가졌다. CI, p- 값, 통계적 유의성 해석, 다중 검정, 상관 관계, 단순한 선형 회귀 (최소 제곱 포함) (일반 선형 모형) 및 모든 가설 검정과 같은 개념을 공정하게 이해하고 있습니다. 나는 초기에 대부분 수학적으로 소개되었습니다. 그리고 최근에 Intuitive Biostatistics 라는 책의 도움으로 실제 …

10 bayesian  references  maximum-likelihood  generalized-linear-model 

문제 정보 및 사전 정보를 바탕으로 사후 밀도를 추정하기 위해 베이지안 분석을 수행하는 R 함수를 작성 중입니다. 사용자가 이전을 재고해야 할 경우 경고를 보내는 기능을 원합니다. 이 질문에서 나는 사전 평가 방법을 배우고 싶습니다. 이전의 질문들은 정보화 된 이전의 내용 ( 여기 및 여기 ) 을 다루는 메커니즘을 다루었 다 …

10 distributions  probability  bayesian 

저는 데이터 마이닝 분야에서 일하며 통계 학습은 거의 없었습니다. 최근에 저는 학습과 채굴을위한 베이지안 패러다임에 초점을 맞춘 많은 일을 읽었습니다. 내 질문은 (여러 부분으로) 있는데, 문제가 주어지면 통계 모델을 구성 할 수있는 일반적인 프레임 워크가 있습니까? 기본 프로세스를 모델링하려는 데이터 세트가 제공 될 때 가장 먼저해야 할 일은 무엇입니까? 이 …

10 bayesian  modeling  references  eda 

폐쇄되었습니다 . 이 질문은 의견 기반 입니다. 현재 답변을받지 않습니다. 이 질문을 개선하고 싶습니까? 이 게시물 을 편집 하여 사실과 인용으로 답변 할 수 있도록 질문을 업데이트하십시오 . 작년에 문을 닫았 습니다 . 100 대 미국 뉴스 통계 프로그램의 연구 영역을 살펴보면 거의 모두 베이지안 통계가 무겁습니다. 그러나 저학년 학교에가더라도 …

10 bayesian  frequentist 

Dirichlet Pocess 및 Gaussian Process는 종종 "분포에 대한 분포"또는 "분포에 대한 분포"라고합니다. 이 경우 GP에서 함수의 밀도에 대해 의미있게 이야기 할 수 있습니까? 즉, 가우시안 프로세스 또는 디리클레 프로세스에 확률 밀도 개념이 있습니까? 그렇지 않은 경우, 함수의 사전 확률 개념이 잘 정의되지 않은 경우 Bayes의 규칙을 사용하여 후부보다 먼저 이동할 …

10 machine-learning  probability  bayesian  nonparametric  nonparametric-bayes 

조건부 확률이 베이지안 고유한지 또는 통계 / 확률 사람들 사이에서 여러 사고 학교에서 공유되는 일반적인 개념인지 아닌지 궁금합니다. 나는 는 논리적 인 사람이 될 수 없다고 가정하기 때문에 일종의 것으로 가정합니다. 조건부 확률이 아니라 실제적인 이유에서 더 많이 추론합니다.p(A,B)=p(A|B)p(B)p(A,B)=p(A|B)p(B)p(A,B) = p(A|B)p(B)

10 bayesian  conditional-probability 

딥 러닝 ( Deep Learning) 및 정보 병목 현상 원칙 (Information Bottleneck Principle) 이라는 논문에서 저자는 섹션 II A)에서 다음과 같이 설명합니다. 단일 뉴런은 입력 공간 하이퍼 플레인 만 구현할 수 있으므로 선형으로 분리 가능한 입력 만 분류합니다 . 초평면은 입력이 조건에 맞지 않을 때 데이터를 최적으로 분류 할 수 …

10 bayesian  neural-networks  information-theory 

칼만 필터에 대해 읽기 시작했을 때 ARIMA 모델의 특별한 경우라고 생각했습니다 (즉, ARIMA (0,1,1)). 그러나 실제로 상황이 더 복잡해 보입니다. 우선, ARIMA는 예측에 사용될 수 있고 Kalman 필터는 필터링에 사용됩니다. 그러나 그들은 밀접한 관련이 있습니까? 질문 : ARIMA와 Kalman 필터의 관계는 무엇입니까? 하나는 다른 것을 사용하고 있습니까? 하나의 특별한 경우입니까?

10 time-series  bayesian  arima  kalman-filter 

모든 변수가 정량적 인 3 개의 변수가있는 데이터 세트가 있습니다. 그것을 , 및 라고합시다 . MCMC를 통해 베이지안 관점에서 회귀 모델을yyyx1x1x_1x2x2x_2rjags 탐색 적 분석을 수행했으며 의 산점도 는 2 차 항을 사용해야한다고 제안합니다. 그런 다음 두 가지 모델을 장착했습니다y×x2y×x2y\times x_2 (1)y=β0+β1∗x1+β2∗x2y=β0+β1∗x1+β2∗x2y=\beta_0+\beta_1*x_1+\beta_2*x_2 (2)y=β0+β1∗x1+β2∗x2+β3∗x1x2+β4∗x21+β5∗x22y=β0+β1∗x1+β2∗x2+β3∗x1x2+β4∗x12+β5∗x22y=\beta_0+\beta_1*x1+\beta_2*x_2+\beta_3*x_1x_2+\beta_4*x_1^2+\beta_5*x_2^2 모델 1에서 각 매개 변수의 효과 크기는 작지 …

10 bayesian  feature-selection  model-selection  model  credible-interval 

이항 확률 매개 변수 대해 Jeffreys를 사용하면 분포를 사용하는 것을 의미 합니다.θθ\thetaθ∼beta(1/2,1/2)θ∼beta(1/2,1/2)\theta \sim beta(1/2,1/2) 새로운 참조 프레임 하면 분명히 도 분포 로 배포되지 않습니다 .ϕ=θ2ϕ=θ2\phi = \theta^2ϕϕ\phibeta(1/2,1/2)beta(1/2,1/2)beta(1/2,1/2) 내 질문은 제프리스가 재 파라미터 화에 불변의 의미로 어떤 의미로 있는가? 나는 정직한 주제를 오해하고 있다고 생각합니다 ... 베스트, 벤

10 bayesian  jeffreys-prior 

또는 어떤 조건이이를 보장합니까? 일반적으로 (정상 및 이항 모델뿐만 아니라)이 주장을 일으킨 주된 이유는 샘플링 모델과 이전 모델 사이에 불일치가 있기 때문이라고 생각합니다. 이 주제로 시작하므로 쉬운 예제를 정말 고맙게 생각합니다

10 bayesian  variance  information-theory 

베이지안 선형 회귀 분석에 대한 사후 예측 분포를 평가하는 방법에 대해 혼란스러워 합니다. 여기 에서 3 페이지에 설명 된 기본 사례를지나 아래에 복사되었습니다. p(y~∣y)=∫p(y~∣β,σ2)p(β,σ2∣y)p(y~∣y)=∫p(y~∣β,σ2)p(β,σ2∣y) p(\tilde y \mid y) = \int p(\tilde y \mid \beta, \sigma^2) p(\beta, \sigma^2 \mid y) 기본 사례는이 선형 회귀 모형입니다. y=Xβ+ϵ,y∼N(Xβ,σ2)y=Xβ+ϵ,y∼N(Xβ,σ2) y = X \beta + …

10 regression  bayesian  predictive-models  prediction  posterior