Questions marquées «bayesian»

Je lis le document bayésien en ligne sur la détection des points de changement d'Adams et MacKay ( lien ). Les auteurs commencent par écrire la distribution prédictive marginale: oùP(xt+1|x1:t)=∑rtP(xt+1|rt,x(r)t)P(rt|x1:t)(1)P(xt+1|x1:t)=∑rtP(xt+1|rt,xt(r))P(rt|x1:t)(1) P(x_{t+1} | \textbf{x}_{1:t}) = \sum_{r_t} P(x_{t+1} | r_t, \textbf{x}_t^{(r)}) P(r_t | \textbf{x}_{1:t}) \qquad \qquad (1) XtXtx_t est l'observation au temps …

9 time-series  bayesian  inference  change-point 

Fermé . Cette question a besoin de détails ou de clarté . Il n'accepte pas actuellement les réponses. Vous souhaitez améliorer cette question? Ajoutez des détails et clarifiez le problème en modifiant ce message . Fermé il y a 3 ans . D'après ce que j'ai lu et des réponses …

9 bayesian  frequentist  philosophical 

Je regarde actuellement un article sur le modèle d'effets aléatoires du processus de Dirichlet et la spécification du modèle est la suivante: où est le paramètre d'échelle et est la mesure de base. Plus loin dans l'article, cela suggère que nous intégrons une fonction sur la mesure de base telle …

9 bayesian  dirichlet-distribution  dirichlet-process  nonparametric-bayes  measure-theory 

Considérons la perte quadratique , avec donné antérieurement où . Soit la probabilité. Trouvez l'estimateur de Bayes .L(θ,δ)=(θ−δ)2L(θ,δ)=(θ−δ)2L(\theta,\delta)=(\theta-\delta)^2π(θ)π(θ)\pi(\theta)π(θ)∼U(0,1/2)π(θ)∼U(0,1/2)\pi(\theta)\sim U(0,1/2)f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|\theta)=\theta x^{\theta-1}\mathbb{I}_{[0,1]}(x), \theta>0δπδπ\delta^\pi Considérons la perte quadratique pondérée où avec avant . Soit la probabilité. Trouvez l'estimateur de Bayes .Lw(θ,δ)=w(θ)(θ−δ)2Lw(θ,δ)=w(θ)(θ−δ)2L_w(\theta,\delta)=w(\theta)(\theta-\delta)^2w(θ)=I(−∞,1/2)w(θ)=I(−∞,1/2)w(\theta)=\mathbb{I}_{(-\infty,1/2)}π1(θ)=I[0,1](θ)π1(θ)=I[0,1](θ)\pi_1(\theta)=\mathbb{I}_{[0,1]}(\theta)f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|\theta)=\theta x^{\theta-1}\mathbb{I}_{[0,1]}(x), \theta>0δπ1δ1π\delta^\pi_1 Comparer etδπδπ\delta^\piδπ1δ1π\delta^\pi_1 J'ai d'abord remarqué que , et j'ai supposé …

9 self-study  bayesian  estimation  hierarchical-bayesian  loss-functions 

La question est basée sur l'article intitulé: Reconstruction d'images en tomographie optique diffuse à l'aide du modèle couplé de transport et de diffusion radiatifs Lien de téléchargement Les auteurs appliquent l'algorithme EM avec régularisation de densité d'un vecteur inconnu pour estimer les pixels d'une image. Le modèle est donné parl1l1l_1μμ\mu …

9 self-study  bayesian  maximum-likelihood  expectation-maximization  moving-average 

Bien que j'aime à penser que j'ai une bonne compréhension du concept de l'information préalable dans l'analyse statistique et la prise de décision bayésienne, j'ai souvent du mal à comprendre ma demande. Je pense à quelques situations qui illustrent mes luttes et je pense qu'elles ne sont pas correctement traitées …

9 bayesian  prior  rule-of-thumb  elicitation 

Problème Je voudrais faire une inférence sur un système analogue à mourir avec un nombre inconnu de côtés. Le dé est lancé plusieurs fois, après quoi je voudrais déduire une distribution de probabilité sur un paramètre correspondant au nombre de côtés du dé, θ. Intuition Si après 40 rouleaux vous …

9 r  probability  bayesian  jags 

J'apprends actuellement des modèles bayésiens hiérarchiques en utilisant JAGS de R, et aussi pymc en utilisant Python ( "Méthodes bayésiennes pour les pirates" ). Je peux obtenir une certaine intuition de ce post : "vous vous retrouverez avec une pile de chiffres qui ressemble" comme si "vous aviez réussi à …

9 bayesian  mcmc  expectation-maximization 

En phylogénétique, les arbres phylogénétiques sont souvent construits à l'aide d'une analyse MLE ou bayésienne. Souvent, un a priori plat est utilisé dans l'estimation bayésienne. Si je comprends bien, une estimation bayésienne est une estimation de vraisemblance qui intègre un a priori. Ma question est, si vous utilisez un appartement …

9 bayesian  confidence-interval  maximum-likelihood  likelihood  phylogeny 

Comment calculez-vous l'a priori approprié si vous avez l'erreur de mesure d'un instrument? Ce paragraphe est tiré du livre de Cressie "Statistiques pour les données spatio-temporelles": Il arrive souvent que certaines informations préalables soient disponibles concernant la variance des erreurs de mesure, ce qui permet de spécifier un modèle de …

9 bayesian  standard-error  error  prior  measurement-error 

Je lis "Causality" de Judea Pearl (deuxième édition 2009) et dans la section 1.1.5 Indépendance conditionnelle et graphoïdes, il déclare: Voici une liste (partielle) de propriétés satisfaites par la relation d'indépendance conditionnelle (X_ || _Y | Z). Symétrie: (X_ || _ Y | Z) ==> (Y_ || _X | Z). …

9 self-study  bayesian 

Je travaille à travers les exemples de Doing Bayesian Data Analysis de Kruschke , en particulier l'ANOVA exponentielle de Poisson en ch. 22, qu'il présente comme une alternative aux tests d'indépendance du chi carré fréquentiste pour les tables de contingence. Je peux voir comment nous obtenons des informations sur les …

9 r  bayesian  effect-size  contingency-tables 

Je prends un cours d'introduction à Bayes et j'ai du mal à comprendre les distributions prédictives. Je comprends pourquoi ils sont utiles et je connais la définition, mais il y a certaines choses que je ne comprends pas très bien. 1) Comment obtenir la bonne distribution prédictive pour un vecteur …

9 bayesian  prediction 

D'un point de vue mathématique, le théorème de Bayes est parfaitement logique pour moi (c'est-à-dire dériver et prouver), mais ce que je ne sais pas, c'est s'il existe ou non un bel argument géométrique ou graphique qui peut être montré pour expliquer le théorème de Bayes. J'ai essayé Google pour …

9 bayesian  bayes  geometry 

J'étudie différentes méthodes d'estimation ponctuelle et je lis que lors de l'utilisation d'estimations MAP vs ML, lorsque nous utilisons un "a priori uniforme", les estimations sont identiques. Quelqu'un peut-il expliquer ce qu'est un a priori «uniforme» et donner des exemples (simples) de cas où les estimateurs MAP et ML seraient …

9 machine-learning  probability  bayesian  estimation  maximum-likelihood