Questions marquées «bayesian»

L'inférence bayésienne est une méthode d'inférence statistique qui repose sur le traitement des paramètres du modèle comme des variables aléatoires et l'application du théorème de Bayes pour déduire des déclarations de probabilité subjectives sur les paramètres ou les hypothèses, conditionnelles à l'ensemble de données observé.

2
Conjugué a priori pour une distribution Gamma
J'ai besoin de mettre à jour le taux d'échec (donné comme déterministe) en fonction du nouveau taux d'échec sur le même système (il est également déterministe). J'ai lu sur les a priori conjugués et la distribution gamma en tant que conjugué pour le processus de Poisson. De plus, je peux …
9 bayesian 
1
Densité antérieure non informative sur la normale
L'analyse des données bayésiennes (p. 64) dit, concernant un modèle normal : une densité a priori vague sensible pour μμ\mu et σσ\sigma, en supposant une indépendance préalable des paramètres de localisation et d'échelle, est uniforme sur ( μ , logσ)(μ,Journal⁡σ)(\mu, \log \sigma), ou équivalent, p ( μ ,σ2) ∝ (σ2)- …
2
Incorporation de la distribution de probabilité de classe antérieure dans la régression logistique
Je suis étonné de ne pouvoir trouver aucun article / conférence sur la façon d'intégrer des distributions de probabilité de classe antérieures dans des classificateurs comme la régression logistique ou la forêt aléatoire. Ma question est donc: Comment peut-on incorporer la distribution de probabilité de classe antérieure dans la régression …
4
Comment les données sont-elles générées dans le cadre bayésien et quelle est la nature du paramètre qui génère les données?
J'essayais de réapprendre les statistiques bayésiennes (à chaque fois que je pensais l'avoir enfin, quelque chose d'autre apparaissait que je n'avais pas envisagé plus tôt ...) mais il n'était pas clair (pour moi) quel était le processus de génération de données dans le cadre bayésien est en fait. Le cadre …
1
Interprétation de l'intervalle de prédiction bayésien à 95%
Supposons le modèle de régression bivarié suivant: où est iid pour .yi=βxi+ui,yi=βxi+ui, y_i = \beta x_i + u_i, uiuiu_iN(0,σ2=9)N(0,σ2=9)N(0, \sigma^2 = 9)i=1,…,ni=1,…,ni = 1,\ldots, n Supposons un a priori non informatif , alors on peut montrer que le pdf postérieur pour est oùp(β)∝constantp(β)∝constantp(\beta) \propto \text{constant}ββ\betap(β|y)=(18π)−12(∑i=1nx2i)12exp[−118∑i=1nx2i(β−β^)2],p(β|y)=(18π)−12(∑i=1nxi2)12exp⁡[−118∑i=1nxi2(β−β^)2], p(\beta|\mathbf{y}) = (18\pi)^{-\frac{1}{2}}\left(\sum_{i=1}^n x_i^2\right)^{\frac{1}{2}} \exp\left[-\frac{1}{18}\sum_{i=1}^n …
1
Distribution postérieure pour la régression linéaire bayésienne
J'ai fait des recherches sur l'utilisation de la régression linéaire bayésienne, mais je suis arrivé à un exemple qui me rend confus. Compte tenu du modèle: y=βX+ϵy=βX+ϵ{\bf y} = {\bf \beta}{\bf X} + \bf{\epsilon} En supposant que et un ,ϵ∼N(0,ϕI)ϵ∼N(0,ϕI){\bf \epsilon} \sim N(0, \phi I)p(β,ϕ)∝1ϕp(β,ϕ)∝1ϕp(\beta, \phi) \propto \frac{1}{\phi} Comment est …
1
Distributions hyperprior pour les paramètres (matrice d'échelle et degrés de liberté) d'un wishart avant une matrice de covariance inverse
J'estime plusieurs matrices de covariance inverse d'un ensemble de mesures à travers différentes sous-populations en utilisant un wishart prior dans jags / rjags / R. Au lieu de spécifier une matrice d'échelle et des degrés de liberté sur la matrice de covariance inverse antérieure (la distribution de Wishart), je voudrais …
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.