Statistiques et Big Data bayesian

3

Quelles sont quelques applications illustratives de la probabilité empirique?

J'ai entendu parler de la probabilité empirique d'Owen, mais jusqu'à récemment, je n'y ai pas prêté attention avant de l'avoir trouvé dans un document d'intérêt ( Mengersen et al. 2012 ). Dans mes efforts pour le comprendre, j'ai glané que la probabilité des données observées est représentée comme , où …

28 bayesian maximum-likelihood nonparametric likelihood empirical-likelihood

1

Calcul de la répétabilité des effets d'un modèle lmer

Je viens de tomber sur cet article , qui décrit comment calculer la répétabilité (aka fiabilité, aka corrélation intraclasse) d'une mesure via la modélisation d'effets mixtes. Le code R serait: #fit the model fit = lmer(dv~(1|unit),data=my_data) #obtain the variance estimates vc = VarCorr(fit) residual_var = attr(vc,'sc')^2 intercept_var = attr(vc$id,'stddev')[1]^2 #compute …

28 mixed-model reliability intraclass-correlation repeatability spss factor-analysis survey modeling cross-validation error curve-fitting mediation correlation clustering sampling machine-learning probability classification metric r project-management optimization svm python dataset quality-control checking clustering distributions anova factor-analysis exponential poisson-distribution generalized-linear-model deviance machine-learning k-nearest-neighbour r hypothesis-testing t-test r variance levenes-test bayesian software bayesian-network regression repeated-measures least-squares change-scores variance chi-squared variance nonlinear-regression regression-coefficients multiple-comparisons p-value r statistical-significance excel sampling sample r distributions interpretation goodness-of-fit normality-assumption probability self-study distributions references theory time-series clustering econometrics binomial hypothesis-testing variance t-test paired-comparisons statistical-significance ab-test r references hypothesis-testing t-test normality-assumption wilcoxon-mann-whitney central-limit-theorem t-test data-visualization interactive-visualization goodness-of-fit

4

Quelle est la meilleure méthode pour vérifier la convergence dans MCMC?

Quelle est votre méthode préférée pour vérifier la convergence lors de l'utilisation de la chaîne de Markov Monte Carlo pour l'inférence bayésienne, et pourquoi?

28 bayesian mcmc

4

Quels sont les facteurs qui rendent les distributions postérieures insolubles?

Dans les statistiques bayésiennes, il est souvent mentionné que la distribution postérieure est intraitable et donc une inférence approximative doit être appliquée. Quels sont les facteurs qui provoquent cette intraitabilité?

28 bayesian approximation inference

3

Pourquoi les prieurs de Jeffreys sont-ils considérés comme non informatifs?

Considérons un Jeffreys avant où , où est l'information de Fisher.jep ( θ ) ∝ | i ( θ ) |----√p(θ)∝|i(θ)|p(\theta) \propto \sqrt{|i(\theta)|}jeii Je continue de voir cette priorité être mentionnée comme une priorité non informative, mais je n'ai jamais vu d'argument pourquoi elle n'est pas informative. Après tout, ce …

27 bayesian prior

5

Un prieur vague est-il le même qu'un prieur non informatif?

C'est une question de terminologie. Un «vague a priori» est-il le même qu'un a priori non informatif, ou y a-t-il une différence entre les deux? Mon impression est qu'ils sont identiques (en recherchant ensemble des informations vagues et non informatives), mais je ne peux pas en être certain.

27 bayesian prior terminology

2

Pourquoi la pénalité de Lasso est-elle équivalente à la double exponentielle (Laplace) antérieure?

J'ai lu dans un certain nombre de références que l'estimation de Lasso pour le vecteur de paramètre de régression est équivalente au mode postérieur de dans lequel la distribution antérieure pour chaque est une distribution exponentielle double (également connue sous le nom de distribution de Laplace).BBBBBBBiBiB_i J'ai essayé de le …

27 regression bayesian lasso prior regularization

2

Quel est exactement l'alpha dans la distribution de Dirichlet?

Je suis assez nouveau dans les statistiques bayésiennes et je suis tombé sur une mesure de corrélation corrigée, SparCC , qui utilise le processus Dirichlet dans le backend de son algorithme. J'ai essayé de parcourir pas à pas l'algorithme pour vraiment comprendre ce qui se passe mais je ne sais …

26 distributions bayesian dirichlet-distribution

3

Quelle est la justification bayésienne pour privilégier les analyses effectuées plus tôt que les autres analyses?

Contexte et exemple empirique J'ai deux études; J'ai mené une expérience (étude 1), puis je l'ai reproduite (étude 2). Dans l'étude 1, j'ai trouvé une interaction entre deux variables; dans l'étude 2, cette interaction était dans la même direction mais non significative. Voici le résumé du modèle de l'étude 1: …

26 bayesian

1

Relation entre Bayes variationnels et EM

J'ai lu quelque part que la méthode variationnelle de Bayes est une généralisation de l'algorithme EM. En effet, les parties itératives des algorithmes sont très similaires. Afin de tester si l'algorithme EM est une version spéciale des Bayes variationnels, j'ai essayé ce qui suit: YYY est des données, est la …

26 bayesian expectation-maximization variational-bayes

5

L'entrée de Wikipedia sur la probabilité semble ambiguë

J'ai une question simple concernant la "probabilité conditionnelle" et la "probabilité". (J'ai déjà sondé cette question ici mais en vain.) Cela commence à partir de la page Wikipedia sur la probabilité . Ils disent ceci: La probabilité d'un ensemble de valeurs de paramètres, θθ\theta , compte tenu des résultatsxxx , …

26 probability bayesian conditional-probability likelihood definition

3

Les prieurs bayésiens deviennent-ils hors de propos avec un échantillon de grande taille?

Lors de l'inférence bayésienne, nous opérons en maximisant notre fonction de vraisemblance en combinaison avec les a priori que nous avons sur les paramètres. Parce que la log-vraisemblance est plus pratique, nous maximisons efficacement utilisant un MCMC ou autrement ce qui génère les distributions postérieures (en utilisant un pdf pour …

26 bayesian prior

7

Combiner probabilités / informations provenant de différentes sources

Disons que j'ai trois sources indépendantes et chacune d'elles fait des prévisions pour la météo de demain. Le premier dit que la probabilité de pluie demain est de 0, puis le second dit que la probabilité est de 1, et enfin le dernier dit que la probabilité est de 50%. …

26 probability bayesian pooling model-averaging forecast-combination

1

Équivalence entre les moindres carrés et MLE dans le modèle gaussien

Je suis nouveau dans le Machine Learning et j'essaie de l'apprendre par moi-même. Récemment, je lisais quelques notes de cours et j'avais une question de base. La diapositive 13 indique que "l'estimation du moindre carré est identique à l'estimation du maximum de vraisemblance dans un modèle gaussien". Il semble que …

26 regression bayesian least-squares

2

Est-il vrai que les méthodes bayésiennes ne conviennent pas?

Est-il vrai que les méthodes bayésiennes ne conviennent pas? (J'ai vu des articles et des tutoriels faisant cette affirmation) Par exemple, si nous appliquons un processus gaussien au MNIST (classification des chiffres manuscrits), mais que nous ne lui montrons qu'un seul échantillon, reviendra-t-il à la distribution précédente pour toutes les …

25 bayesian nonparametric gaussian-process overfitting misspecification

Questions marquées «bayesian»