Statistiques et Big Data abc

2

Quel serait un exemple d'un modèle vraiment simple avec une probabilité insoluble?

Le calcul bayésien approximatif est une technique vraiment cool pour ajuster essentiellement n'importe quel modèle stochastique, destiné aux modèles où la probabilité est intraitable (par exemple, vous pouvez échantillonner à partir du modèle si vous fixez les paramètres mais vous ne pouvez pas calculer numériquement, algorithmiquement ou analytiquement la probabilité). …

16 bayesian simulation model likelihood abc

4

Inférence sans vraisemblance - qu'est-ce que cela signifie?

Récemment, j'ai pris conscience des méthodes «sans vraisemblance» utilisées dans la littérature. Cependant, je ne sais pas exactement ce que signifie qu'une méthode d'inférence ou d'optimisation est sans vraisemblance . Dans l'apprentissage automatique, l'objectif est généralement de maximiser la probabilité que certains paramètres correspondent à une fonction, par exemple les …

11 machine-learning deep-learning maximum-likelihood generative-models abc

1

Sélection du modèle ABC

Il a été démontré que le choix du modèle ABC utilisant des facteurs de Bayes n'est pas recommandé en raison de la présence d'une erreur provenant de l'utilisation de statistiques sommaires. La conclusion de cet article repose sur l'étude du comportement d'une méthode populaire d'approximation du facteur Bayes (algorithme 2). …

11 bayesian model-selection prediction abc

1

Contrôle prédictif postérieur après l'inférence ABC pour plusieurs paramètres

Je suis relativement nouveau dans les statistiques bayésiennes, alors soyez gentil. Je viens d'effectuer le calcul bayésien approximatif (ABC) pour l'inférence d'un modèle multi-paramètres. Maintenant, je cherche à effectuer une vérification prédictive postérieure des paramètres qui ont été déduits. Ce que je veux savoir, c'est que, lors de l'échantillonnage à …

8 bayesian posterior abc

Questions marquées «abc»