Statistiques et Big Data bayesian

2

Une vraisemblance antérieure et exponentielle appropriée peut-elle conduire à une mauvaise postérieure?

11 bayesian prior posterior

5

Que signifie précisément emprunter des informations?

Je les parle souvent d'emprunt ou de partage d'informations dans les modèles hiérarchiques bayésiens. Je n'arrive pas à obtenir une réponse claire sur ce que cela signifie réellement et s'il est unique aux modèles hiérarchiques bayésiens. J'ai en quelque sorte compris l'idée: certains niveaux de votre hiérarchie partagent un paramètre …

11 machine-learning bayesian multilevel-analysis terminology hierarchical-bayesian

2

L'estimateur de Bayes est immunisé contre le biais de sélection

Les estimateurs bayésiens sont-ils à l'abri du biais de sélection? La plupart des articles qui traitent de l'estimation en haute dimension, par exemple, les données de séquence du génome entier, soulèvent souvent la question du biais de sélection. Le biais de sélection provient du fait que, bien que nous ayons …

11 bayesian feature-selection bias unbiased-estimator conjugate-prior

1

Pointe et dalle bayésienne versus méthodes pénalisées

Je lis les diapositives de Steven Scott sur le package BSTS R (vous pouvez les trouver ici: diapositives ). À un moment donné, lorsqu'il parle d'inclure de nombreux régresseurs dans le modèle de série chronologique structurelle, il présente les a priori de pointe et de dalle des coefficients de régression …

11 r bayesian feature-selection penalized bsts

6

Références de base sur MCMC pour les statistiques bayésiennes

Je recherche des articles ou des livres avec des exemples pratiques et théoriques sur MCMC de base pour les statistiques bayésiennes (avec R). Je n'ai jamais étudié la simulation et c'est pourquoi je recherche des informations "basiques". Pouvez-vous me donner quelques recommandations ou conseils?

11 bayesian references mcmc

3

Estimation des paramètres bayésiens ou test d'hypothèse bayésienne?

Il semble qu'il y ait un débat en cours au sein de la communauté bayésienne pour savoir si nous devrions faire une estimation des paramètres bayésiens ou des tests d'hypothèse bayésienne. Je suis intéressé à solliciter des opinions à ce sujet. Quelles sont les forces et les faiblesses relatives de …

11 hypothesis-testing bayesian

2

Pourquoi Bayes Classifier est-il le classificateur idéal?

Il est considéré comme le cas idéal dans lequel la structure de probabilité sous-jacente aux catégories est parfaitement connue. Pourquoi est-ce qu'avec le classificateur Bayes, nous obtenons les meilleures performances possibles? Quelle est la preuve / explication formelle de cela? Comme nous utilisons toujours le classificateur Bayes comme référence pour …

11 probability classification bayesian bayes

2

Les méthodes bayésiennes sont-elles intrinsèquement séquentielles?

C'est-à-dire que faire une analyse séquentielle (vous ne savez pas à l'avance exactement combien de données vous allez collecter) avec des méthodes fréquentistes nécessite un soin particulier; vous ne pouvez pas simplement collecter des données jusqu'à ce que la valeur p soit suffisamment petite ou qu'un intervalle de confiance soit …

11 bayesian inference philosophical sequential-analysis

3

Comprendre le conjugué bêta avant dans l'inférence bayésienne sur une fréquence

Voici un extrait de l' introduction de Bolstad aux statistiques bayésiennes . Pour tous les experts, cela pourrait être trivial, mais je ne comprends pas comment l'auteur conclut que nous n'avons pas à faire d'intégration pour calculer la probabilité postérieure d'une certaine valeur de . Je comprends la deuxième expression …

11 distributions bayesian beta-distribution conjugate-prior

1

Les statisticiens utilisent-ils les antécédents des Jeffreys dans le travail réel appliqué?

Quand j'ai entendu parler du prieur des Jeffreys dans ma classe d'inférence en statistique, mes professeurs ont fait un peu penser que c'était intéressant surtout pour des raisons historiques plutôt que parce que n'importe qui l'utiliserait jamais. Puis, quand j'ai fait l'analyse des données bayésiennes, on ne nous a jamais …

11 bayesian prior jeffreys-prior

2

Pourquoi MCMC est-il nécessaire lors de l'estimation d'un paramètre à l'aide de MAP

Étant donné la formule d'estimation MAP d'un paramètre Pourquoi une approche MCMC (ou similaire) est-elle nécessaire, ne pourrais-je pas simplement prendre la dérivée, la mettre à zéro, puis résoudre le paramètre?

11 bayesian estimation mcmc

1

Sélection du modèle bayésien dans PyMC3

J'utilise PyMC3 pour exécuter des modèles bayésiens sur mes données. Je suis nouveau dans la modélisation bayésienne mais selon certains articles de blogs , Wikipedia et QA de ce site, il semble que ce soit une approche valable pour utiliser le facteur Bayes et le critère BIC pour pouvoir choisir …

11 bayesian model-selection pymc

2

Modèle logit bayésien - explication intuitive?

Je dois avouer que je n'avais jamais entendu parler de ce terme dans aucune de mes classes, de premier cycle ou de cycle supérieur. Que signifie qu'une régression logistique soit bayésienne? Je cherche une explication avec une transition de la logistique régulière à la logistique bayésienne similaire à la suivante: …

11 regression logistic bayesian multiple-regression generalized-linear-model

2

Dérivation de Normal-Wishart postérieur

Je travaille sur la dérivation d'un postérieur de Normal-Wishart mais je suis bloqué sur l'un des paramètres (le postérieur de la matrice d'échelle, voir en bas). Juste pour le contexte et l'exhaustivité, voici le modèle et le reste des dérivations: 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})\\ …

11 bayesian posterior

1

seuil de calcul pour le classificateur de risque minimum?

Supposons que deux classes et ont un attribut et ont la distribution et . si nous avons égal pour la matrice de coût suivante:C1C1C_1C2C2C_2xxxN(0,0.5)N(0,0.5) \cal{N} (0, 0.5)N(1,0.5)N(1,0.5) \cal{N} (1, 0.5)P(C1)=P(C2)=0.5P(C1)=P(C2)=0.5P(C_1)=P(C_2)=0.5 L=[010.50]L=[00.510]L= \begin{bmatrix} 0 & 0.5 \\ 1 & 0 \end{bmatrix} pourquoi, est le seuil du classificateur de risque (coût) minimum?x0<0.5x0<0.5x_0 …

11 machine-learning classification bayesian normal-distribution bivariate

Questions marquées «bayesian»