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
Quelle est la différence mathématique entre l'utilisation d'une approche non informative a priori et d'une approche fréquentiste?
Les priors non informatifs sont préférés dans les cas où les préjugés ne sont pas acceptables (c.-à-d. Salles d'audience, etc.) Cependant, il me semble qu'il serait tout simplement judicieux d'utiliser une approche fréquentiste à la place. Pourquoi l'approche bayésienne a-t-elle même un prior non informatif? Merci!
1
Dérivation de la densité postérieure pour une vraisemblance log-normale et a priori de Jeffreys
La fonction de vraisemblance d'une distribution lognormale est: F( x ; μ , σ) ∝∏nje11σXjeexp( -( lnXje- μ)22σ2)F(X;μ,σ)∝∏je1n1σXjeexp⁡(-(ln⁡Xje-μ)22σ2)f(x; \mu, \sigma) \propto \prod_{i_1}^n \frac{1}{\sigma x_i} \exp \left ( - \frac{(\ln{x_i} - \mu)^2}{2 \sigma^2} \right ) et le Prior de Jeffreys est: p ( μ , σ) ∝1σ2p(μ,σ)∝1σ2p(\mu,\sigma) \propto \frac{1}{\sigma^2} donc la …
1
Est-ce que rstan ou mon approximation de grille est incorrecte: décider entre des estimations quantiles contradictoires dans l'inférence bayésienne
J'ai un modèle pour obtenir des estimations bayésiennes de la taille de la population NNNet probabilité de détection dans une distribution binomiale uniquement basée sur le nombre observé d’objets observés : pour . Pour simplifier, nous supposons que N est fixé à la même valeur inconnue pour chaque y_i . …
1
Test AB vs test de l'hypothèse nulle
J'essaie de comprendre la différence entre tester l'hypothèse nulle (c.-à-d. tester que la probabilité d'un «objectif» est la même pour 2 populations différentes, similaire au test prop. dans R) un test A / B utilisant une formule bayésienne telle que décrite ici: http://www.evanmiller.org/bayesian-ab-testing.html Y a-t-il une différence? Est-ce préférable? Le …
1
Combiner des données de différentes sources
Je souhaite combiner des données provenant de différentes sources. Disons que je veux estimer une propriété chimique (par exemple un coefficient de partage ): J'ai quelques données empiriques, variant en raison d'une erreur de mesure autour de la moyenne. Et, deuxièmement, j'ai un modèle prédisant une estimation à partir d'autres …
1
Pourquoi ne pas utiliser Beta (1,1) comme limite évitant a priori sur un paramètre de corrélation transformé?
Dans Bayesian Data Analysis , chapitre 13, page 317, deuxième paragraphe complet, dans les approximations modales et distributionnelles, Gelman et al. écrire: Si le plan est de résumer l'inférence par le mode postérieur de [le paramètre de corrélation dans une distribution normale bivariée], nous remplacerions la distribution précédente U (-1,1) …
1
Antérieur non conjugué
Quelqu'un peut-il expliquer pourquoi l'intégrale dans la densité postérieure peut ne pas être «analytiquement traitable» si l'a priori que nous choisissons n'est pas conjugué?
8 bayesian 
1
Pourquoi utiliser bayesglm?
Ma question générale est: pourquoi utiliser à la bayesglmplace d'autres méthodes de classification? Remarque: Je ne m'intéresse qu'à la prédiction. J'ai une quantité décente de données (~ 100 000 obs.). J'ai l'impression que la taille de l'échantillon est suffisamment grande pour que les paramètres d'une régression logistique régulière soient distribués …
1
Sélection hyperparamétrique entièrement bayésienne en GPML
Est-il possible d'effectuer une sélection approximative entièrement bayésienne (1) d'hyper-paramètres (par exemple l'échelle de covariance) avec le code GPML, au lieu de maximiser la vraisemblance marginale (2)? Je pense que l'utilisation de méthodes MCMC pour résoudre les intégrales impliquant des hyper-paramètres avant devrait conduire à de meilleurs résultats en cas …
1
Analyse bayésienne hiérarchique sur la différence de proportions
Pourquoi hiérarchique? : J'ai essayé de rechercher ce problème, et d'après ce que je comprends, c'est un problème "hiérarchique", parce que vous faites des observations sur les observations d'une population, plutôt que de faire des observations directes de cette population. Référence: http://www.econ.umn.edu/~bajari/iosp07/rossi1.pdf Pourquoi bayésien? : De plus, je l'ai étiqueté …
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.