«bayesian» 태그된 질문

이전과 가능성이 서로 매우 다른 경우, 때때로 후부가 그들과 유사하지 않은 상황이 발생합니다. 정규 분포를 사용하는이 그림을 참조하십시오. 이것은 수학적으로 정확하지만 내 직감과 일치하지 않는 것 같습니다. 데이터가 내 견실 한 신념이나 데이터와 일치하지 않으면 범위가 잘 맞지 않을 것으로 예상되며 평소보다 뒤 떨어질 것으로 기대합니다 이전과 가능성에 대한 전체 …

21 bayesian  prior  posterior  likelihood 

일부 분포는 켤레 이전이 있으며 일부는 그렇지 않습니다. 이 구별은 단지 사고 일까? 즉, 당신은 수학을 수행하며, 어떤 식 으로든 효과가 있지만 사실 자체를 제외하고 분포에 대해 중요한 것을 말하지는 않습니까? 또는 접합체의 존재 유무는 분포의 더 깊은 특성을 반영합니까? 켤레 사전 분포를 갖는 분포는 다른 분포가 부족하고 다른 분포가 …

21 bayesian  mathematical-statistics  conjugate-prior 

일부 문제에 대해 Monte Carlo 시뮬레이션을 코딩 할 때 모델이 충분히 단순 할 때 매우 기본적인 교과서 Gibbs 샘플링을 사용합니다. Gibbs 샘플링을 사용할 수없는 경우 몇 년 전에 배운 교과서 Metropolis-Hastings를 코딩합니다. 내가 그것에 대한 유일한 생각은 점프 분포 또는 매개 변수를 선택하는 것입니다. 교과서 옵션보다 수백, 수백 가지의 특수한 …

21 bayesian  mcmc  gibbs  metropolis-hastings 

최근에 MCMC 알고리즘 (실제로 R의 MCMCglmm 함수)을 사용하여 베이지안 프레임 워크에서 회귀 혼합 모델을 피팅하는 데 착수했습니다. 나는 추정 과정의 수렴을 진단하는 방법을 이해했다고 생각합니다 (추적, geweke 플롯, 자기 상관, 사후 분포 ...). 베이지안 프레임 워크에서 저를 놀라게하는 것 중 하나는 이러한 진단을 수행하기 위해 많은 노력을 기울이고있는 반면, 적합 …

21 r  bayesian  mixed-model  mcmc  residuals 

일부 훈련 데이터를 기반으로 레코드를 2 가지 범주 (참 / 거짓)로 분류하는 프로그램을 구현해야하며 어떤 알고리즘 / 방법론을보고 있는지 궁금합니다. 인공 신경망, 유전자 알고리즘, 기계 학습, 베이지안 최적화 등 중에서 선택할 수있는 많은 것들이 있으며, 어디서부터 시작 해야할지 모르겠습니다. 내 질문은 : 문제에 사용해야하는 학습 알고리즘을 어떻게 선택해야합니까? 이것이 도움이된다면 …

21 machine-learning  bayesian  optimization  genetic-algorithms 

비모수 적 베이지안 (및 관련) 기술에 대해 더 배우고 싶습니다. 저의 배경은 컴퓨터 공학에 있으며 측정 이론이나 확률 이론에 대한 과정을 수강하지는 않았지만 확률과 통계에 대한 공식적인 훈련은 제한적이었습니다. 누구든지 시작하기 위해 이러한 개념에 대한 읽기 쉬운 소개를 추천 할 수 있습니까?

21 probability  bayesian  references  theory 

스케일이 무엇인지에 대한 대략적인 아이디어가있을 때 스케일 모수 (정규 분포, t 분포 등)에 대한 사전 분포로 로그 정규 분포를 사용하고 있지만 알지 못한다는 측면에서 잘못하고 싶습니다. 그것에 대해 많이. 나는 그 사용이 나에게 직관적으로 의미가 있기 때문에 그것을 사용하지만 다른 사람들이 그것을 사용하는 것을 보지 못했습니다. 이것에 숨겨진 위험이 있습니까?

21 distributions  bayesian  modeling  prior  maximum-entropy 

스탠 및 프론트 엔드 패키지 rstanarm또는 brmsI와 같은 혼합 모델 이전과 나는 쉽게 베이지안 방식으로 데이터를 분석 할 수 있습니다 lme. Kruschke-Gelman-Wagenmakers 등이 저의 책상에 저술 한 대부분의 책과 기사를 가지고 있지만, 이것들은 베이지안의 Skylla와 의료 리뷰어의 Charybdis 사이에서 찢어진 의료 청중의 결과를 요약하는 방법을 알려주지 않습니다. "우리는 분산 된 …

21 statistical-significance  bayesian  stan  credible-interval  medicine 

배경 분산에서 가장 일반적으로 사용되는 약점 중 하나는 매개 변수가 역 감마입니다 (Gelman 2006) .α = 0.001 , β= 0.001α=0.001,β=0.001\alpha =0.001, \beta=0.001 그러나이 분포의 90 % CI는 약 입니다.[ 3 × 1019, ∞ ][삼×1019,∞][3\times10^{19},\infty] library(pscl) sapply(c(0.05, 0.95), function(x) qigamma(x, 0.001, 0.001)) [1] 3.362941e+19 Inf 이로부터 는 분산이 매우 높을 확률이 …

21 bayesian  multilevel-analysis  prior 

나는 베이지안 계층 선형 모델 (여기서 그것을 설명하는 네트워크)을 다루고 있습니다. 는 슈퍼마켓에서 관찰 된 제품의 일일 판매량을 나타냅니다.YYY 는 가격, 프로모션, 요일, 날씨, 휴일을 포함하여 알려진 회귀 행렬입니다.XXX 는 각 제품의 알려지지 않은 잠재 재고 수준으로, 가장 많은 문제를 유발하고, 이진 변수로 구성된 벡터를 고려합니다. 각 제품마다 1 개가품절됨을 …

20 regression  bayesian  neural-networks  generalized-linear-model  bayesian-network 

나는 Gibbs 샘플링과 Metropolis Hastings 알고리즘에 대해 약간의 독서를하고 있으며 몇 가지 질문이 있습니다. 내가 이해하는 것처럼 Gibbs 샘플링의 경우 큰 다변량 문제가있는 경우 조건부 분포에서 샘플링합니다. 즉, 하나의 변수는 샘플링하고 다른 변수는 모두 고정하고 MH에서는 전체 관절 분포에서 샘플링합니다. 문서가 말한 한 가지는 제안 된 샘플이 Gibbs Sampling에서 항상 …

20 bayesian  sampling  mcmc  gibbs  metropolis-hastings 

시간 이벤트가있는 올바른 검열 관찰을 고려하십시오 t1,t2,…t1,t2,…t_1, t_2, \dots. 시각 에서 감수성이있는 개인의 수 iii는 ninin_i 이며 시각 에서의 사건 수 iii는 didid_i 입니다. 생존 함수가 단계 함수 경우 Kaplan-Meier 또는 곱 추정기는 자연스럽게 MLE로 발생합니다 . 우도는 인 L ( α ) = Π I ( 1 - α …

20 bayesian  survival  kaplan-meier 

배심원 의무로 소환되었습니다. 나는 배심원 재판과 통계의 관련성을 의식하고 있습니다. 예를 들어, "기본 요율"의 개념과 확률 계산에 대한 적용은 때로는 항상 관련이 있습니다. 내 상황에있는 사람이 어떤 통계적 주제를 유용하게 연구 할 수 있으며, 내 배경을 가진 사람에게 적합한 자료는 무엇입니까? 나는 "하드 과학"학위를 가지고 있기 때문에 통계 지식이 제한되어 …

20 probability  bayesian  references 

여러 대치를 사용하여 여러 개의 완성 된 데이터 집합을 얻었습니다. 완성 된 각 데이터 집합에 베이지안 방법을 사용하여 모수에 대한 사후 분포를 얻었습니다 (임의의 효과). 이 매개 변수의 결과를 어떻게 결합 / 풀링 할 수 있습니까? 더 많은 맥락 : 내 모델은 학교에 모인 개별 학생 (학생 당 한 번의 …

20 bayesian  mixed-model  missing-data 

나는 베이지안 통계에 대해 배우고 있으며 종종 기사를 읽었습니다. "우리는 베이지안 접근 방식을 채택합니다" 또는 비슷한 것. 나는 또한 덜 자주 알아 차렸다. "우리는 완전히 베이지안 접근 방식을 채택합니다 " (내 강조). 실용적 또는 이론적 의미에서 이러한 접근 방식간에 차이점이 있습니까? FWIW, MCMCglmm관련이있는 경우 R에서 패키지 를 사용하고 있습니다.

20 bayesian