Statistiques et Big Data bayesian

1

Soit le risque bayésien d'un estimateur par rapport à un antérieur , soit le jeu de tous les a priori sur l'espace des paramètres , et soit le jeu de toutes les règles de décision (éventuellement randomisées).r(π,δ)r(π,δ)r(\pi, \delta)δδ\deltaππ\piΠΠ\PiΘΘ\ThetaΔΔ\Delta L'interprétation statistique de l'inégalité minimax de John von Neumann indique que supπ∈Πinfδ∈Δr(π,δ)≤infδ∈Δsupπ∈Πr(π,δ),supπ∈Πinfδ∈Δr(π,δ)≤infδ∈Δsupπ∈Πr(π,δ), …

12 bayesian decision-theory risk

1

Critères de sélection du «meilleur» modèle dans un modèle de Markov caché

J'ai un ensemble de données de série chronologique auquel j'essaie d'adapter un modèle de Markov caché (HMM) afin d'estimer le nombre d'états latents dans les données. Mon pseudo-code pour ce faire est le suivant: for( i in 2 : max_number_of_states ){ ... calculate HMM with i states ... optimal_number_of_states = …

12 r aic hidden-markov-model bic spss manova time-series r lme4-nlme regression modeling negative-binomial bayesian bugs state-space-models hypothesis-testing data-transformation factor-analysis sem

1

Inférence du réseau bayésien en utilisant pymc (confusion du débutant)

Je suis actuellement en train de suivre le cours PGM de Daphne Koller sur Coursera. En cela, nous modélisons généralement un réseau bayésien comme un graphe orienté de cause à effet des variables qui font partie des données observées. Mais sur les tutoriels et les exemples PyMC, je vois généralement …

12 bayesian inference bayesian-network pymc

1

modèles bayésiens hiérarchiques vs Bayes empiriques

Considérez-vous le HBM vs EB comme deux alternatives dans lesquelles les hyperparamètres sont "dans le jeu" d'être échantillonnés / estimés / etc.? Il y a clairement un lien entre ces deux. Considérez-vous HBM plus "pleinement bayésien" qu'EB? Y a-t-il un endroit où je peux voir quelles sont les différences entre …

12 bayesian empirical-bayes

5

Les Bayésiens soutiennent-ils jamais qu'il existe des cas dans lesquels leur approche se généralise / recoupe avec l'approche fréquentiste?

Les bayésiens soutiennent-ils que leur approche généralise l'approche fréquentiste, parce que l'on peut utiliser des priors non informatifs et donc, récupérer une structure de modèle fréquentiste typique? Quelqu'un peut-il me référer à un endroit où je pourrai lire cet argument, s'il est effectivement utilisé? EDIT: Cette question n'est peut-être pas …

12 bayesian references frequentist

6

Si vous utilisez une estimation ponctuelle qui maximise

Si quelqu'un a dit "Cette méthode utilise le MLE l'estimation ponctuelle pour le paramètre qui maximise , donc c'est fréquentiste; et en plus ce n'est pas bayésien."P ( x | θ )P(x|θ)\mathrm{P}(x|\theta) accepteriez-vous? Mise à jour sur le fond : j'ai récemment lu un article qui prétend être fréquentiste. Je …

12 bayesian maximum-likelihood likelihood frequentist philosophical

1

Existe-t-il un lien entre les Bayes empiriques et les effets aléatoires?

J'ai récemment lu des articles sur les Bayes empiriques (Casella, 1985, Introduction à l'analyse des données empiriques de Bayes) et cela ressemblait beaucoup au modèle à effets aléatoires; en ce que les deux ont des estimations réduites à la moyenne mondiale. Mais je ne l'ai pas lu attentivement ... Quelqu'un …

12 bayesian estimation random-effects-model steins-phenomenon empirical-bayes

1

Quel est l'intérêt des prieurs non informatifs?

Pourquoi même des priors non informatifs? Ils ne fournissent pas d'informations sur . Alors pourquoi les utiliser? Pourquoi ne pas utiliser uniquement des priors informatifs? Par exemple, supposons θ ∈ [ 0 , 1 ] . Alors θ ∼ U ( 0 , 1 ) est-il un a priori non …

12 bayesian uninformative-prior jeffreys-prior

2

Quand utiliser le bootstrap vs la technique bayésienne?

J'ai un problème d'analyse décisionnelle assez compliqué impliquant des tests de fiabilité et l'approche logique (pour moi) semble impliquer l'utilisation de MCMC pour soutenir une analyse bayésienne. Cependant, il a été suggéré qu'il serait plus approprié d'utiliser une approche d'amorçage. Quelqu'un pourrait-il suggérer une référence (ou trois) qui pourrait soutenir …

12 bayesian bootstrap

2

Modèle bayésien hiérarchique (?)

Veuillez m'excuser d'avoir massacré le jargon statistique :) J'ai trouvé ici quelques questions concernant la publicité et les taux de clics. Mais aucun d'eux ne m'a beaucoup aidé dans ma compréhension de ma situation hiérarchique. Il y a une question connexe. Ces représentations équivalentes du même modèle bayésien hiérarchique? , …

12 bayesian binomial multilevel-analysis

1

Étapes pour comprendre une distribution postérieure alors qu'elle pourrait être assez simple pour avoir une forme analytique?

Cela a également été demandé à Computational Science. J'essaie de calculer une estimation bayésienne de certains coefficients pour une autorégression, avec 11 échantillons de données: Ouije= μ + α ⋅Ouii - 1+ ϵjeOuije=μ+α⋅Ouije-1+ϵje Y_{i} = \mu + \alpha\cdot{}Y_{i-1} + \epsilon_{i} oùϵjeϵje\epsilon_{i} est gaussien avec moyenne 0 et varianceσ2eσe2\sigma_{e}^{2} La distribution …

12 bayesian mathematical-statistics posterior

2

Que dois-je savoir sur la conception d'un bon algorithme de Monte Carlo hybride / hamiltonien?

Je conçois un algorithme d'échantillonnage hybride de Monte Carlo pour PyMC , et j'essaie de le rendre aussi simple et général que possible, donc je cherche de bons conseils sur la conception d'un algorithme HMC. J'ai lu le chapitre d'enquête de Radford et Beskos et. L'article récent de al. sur …

12 bayesian monte-carlo

2

Comment paramétrer le rapport de deux variables normalement distribuées, ou l'inverse d'une?

Problème: je suis en train de paramétrer des distributions à utiliser comme a priori et des données dans une méta-analyse bayésienne. Les données sont fournies dans la littérature sous forme de statistiques résumées, presque exclusivement supposées être normalement distribuées (bien qu'aucune des variables ne puisse être <0, certaines sont des …

12 distributions bayesian variance random-variable meta-analysis

2

Dans l'inférence bayésienne, pourquoi certains termes sont-ils supprimés de la prédiction postérieure?

Dans l'analyse bayésienne conjuguée de Kevin Murphy de la distribution gaussienne , il écrit que la distribution prédictive postérieure est p(x∣D)=∫p(x∣θ)p(θ∣D)dθp(x∣D)=∫p(x∣θ)p(θ∣D)dθ p(x \mid D) = \int p(x \mid \theta) p(\theta \mid D) d \theta où est les données sur lesquelles le modèle est ajusté et sont des données invisibles. Ce …

12 bayesian predictive-models inference posterior

2

Distribution bêta lors du retournement d'une pièce

Le livre bayésien de Kruschke dit, concernant l'utilisation d'une distribution bêta pour lancer une pièce, Par exemple, si nous n'avons aucune connaissance préalable autre que la connaissance que la pièce a un côté tête et un côté queue, cela revient à avoir précédemment observé une tête et une queue, ce …

12 probability bayesian beta-distribution

Questions marquées «bayesian»