«posterior» 태그된 질문

특정 매개 변수를 추론하기 위해 MCMC 샘플을 얻을 때 목표로해야하는 최소 유효 샘플 수에 대한 좋은 지침은 무엇 입니까? 그리고 모델이 다소 복잡 해짐에 따라이 조언이 변경됩니까?

13 bayesian  sample-size  mcmc  posterior 

점 가 있다고 가정 합니다. 각 점 는 분포 수득 후방 위해하려면 우리는 물품 Minka의 Expectation Propagation 논문에 따르면 사후 하려면 계산이 필요 하므로 큰 표본 크기 대한 문제를 다루기 어렵게됩니다 . 그러나 단일 때문에이 경우 왜 그런 계산량이 필요한지 알 수 없습니다.p ( x | y ) ∝ p …

13 bayesian  mixture  posterior 

N 차원 차원 벡터 \ mathbf {x_1}, .., \ mathbf {x_N} \ begin {align} \ mathbf {x_i} & \ sim 을 생성하는 데 사용되는 정규 분포 의 정밀도 행렬 ΛΛ\boldsymbol{\Lambda} 을 추정 할 때 \ mathcal {N} (\ boldsymbol {\ mu, \ Lambda ^ {-1}}) \\ \ end {align} Wishart …

12 bayesian  posterior  hierarchical-bayesian  conjugate-prior  wishart 

이것은 또한 전산 과학에서 요청 되었습니다. 11 개의 데이터 샘플을 사용하여 자동 회귀에 대한 일부 계수의 베이지안 추정치를 계산하려고합니다 여기서 는 평균이 0이고 분산이 가우시안입니다 . 벡터에 대한 사전 분포 는 평균이 가우시안이고 평균이 인 대각선 공분산 행렬입니다. 대각선 항목은 .Yi=μ+α⋅Yi−1+ϵiYi=μ+α⋅Yi−1+ϵi Y_{i} = \mu + \alpha\cdot{}Y_{i-1} + \epsilon_{i} ϵiϵi\epsilon_{i}σ2eσe2\sigma_{e}^{2}(μ,α)t(μ,α)t(\mu, \alpha)^{t}(0,0)(0,0)(0,0)σ2pσp2\sigma_{p}^{2} …

12 bayesian  mathematical-statistics  posterior 

가우스 분포에 대한 Kevin Murphy의 Conjugate Bayesian 분석 에서 사후 예측 분포는 다음과 같습니다. p ( x ∣ D ) = ∫p ( x ∣ θ ) p ( θ ∣ D ) dθ피(엑스∣디)=∫피(엑스∣θ)피(θ∣디)디θ p(x \mid D) = \int p(x \mid \theta) p(\theta \mid D) d \theta 여기서 는 모형이 …

12 bayesian  predictive-models  inference  posterior 

(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 

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 

나는 최대 가능성 추정과 최대 사후 추정에 대해 읽었으며 지금까지 최대 가능성 추정과 함께 구체적인 예를 만났습니다. 나는 최대 사후 추정의 추상 예제를 찾았지만 아직 구체적인 숫자는 없습니다. 추상 변수와 함수로만 작동하는 것은 매우 압도적 일 수 있으며, 이러한 추상화에 빠져들지 않기 위해 사물을 현실 세계와 때때로 연관시키는 것이 좋습니다. …

11 bayesian  estimation  posterior 

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 

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 

스탠 (특히 rstan)에 예측 사후 분포를 생성하는 기능이 내장되어 있습니까? 스탠 피트에서 분포를 생성하는 것은 어렵지 않지만 휠을 다시 발명하지는 않습니다.

9 bayesian  posterior  stan