Statistiques et Big Data prior

2

Quelles distributions antérieures pourraient / devraient être utilisées pour la variance dans un modèle bayésien hiérarchique lorsque la variance moyenne présente un intérêt?

Dans son article largement cité Prior distributions for variance parameters in hierarchical models (916 citation à ce jour sur Google Scholar) Gelman propose que de bonnes distributions a priori non informatives pour la variance dans un modèle bayésien hiérarchique soient la distribution uniforme et la distribution demi-t. Si je comprends …

16 bayesian variance prior jags hierarchical-bayesian

3

Comment choisir a priori dans l'estimation des paramètres bayésiens

Je connais 3 méthodes pour faire des estimations de paramètres, ML, MAP et Bayes. Et pour l'approche MAP et Bayes, nous devons choisir des a priori pour les paramètres, non? Disons que j'ai ce modèle , dans lequel α , β sont des paramètres, afin de faire l'estimation en utilisant …

16 bayesian estimation prior

2

Régression des crêtes - interprétation bayésienne

J'ai entendu dire que la régression des crêtes peut être dérivée comme la moyenne d'une distribution postérieure, si l'a priori est adéquatement choisi. L'intuition est-elle que les contraintes définies sur les coefficients de régression par les a priori (par exemple, les distributions normales standard autour de 0) sont identiques / …

15 bayesian prior ridge-regression

3

Pourquoi personne n'utilise le classificateur bayésien multinomial Naive Bayes?

Ainsi, dans la modélisation de texte (non supervisée), l'allocation de Dirichlet latent (LDA) est une version bayésienne de l'analyse sémantique probabiliste latente (PLSA). Essentiellement, LDA = PLSA + Dirichlet prioritaire sur ses paramètres. Ma compréhension est que LDA est maintenant l'algorithme de référence et est implémenté dans divers packages, tandis …

15 bayesian multinomial prior naive-bayes dirichlet-distribution

1

Quelle est l'intuition derrière les échantillons échangeables sous l'hypothèse nulle?

Les tests de permutation (également appelés test de randomisation, test de re-randomisation ou test exact) sont très utiles et s'avèrent utiles lorsque l'hypothèse de distribution normale requise par exemple t-testn'est pas remplie et lorsque la transformation des valeurs par classement des un test non paramétrique comme Mann-Whitney-U-testcela entraînerait la perte …

15 hypothesis-testing permutation-test exchangeability r statistical-significance loess data-visualization normal-distribution pdf ggplot2 kernel-smoothing probability self-study expected-value normal-distribution prior correlation time-series regression heteroscedasticity estimation estimators fisher-information data-visualization repeated-measures binary-data panel-data mathematical-statistics coefficient-of-variation normal-distribution order-statistics regression machine-learning one-class probability estimators forecasting prediction validation finance measurement-error variance mean spatial monte-carlo data-visualization boxplot sampling uniform chi-squared goodness-of-fit probability mixture theory gaussian-mixture regression statistical-significance p-value bootstrap regression multicollinearity correlation r poisson-distribution survival regression categorical-data ordinal-data ordered-logit regression interaction time-series machine-learning forecasting cross-validation binomial multiple-comparisons simulation false-discovery-rate r clustering frequency wilcoxon-mann-whitney wilcoxon-signed-rank r svm t-test missing-data excel r numerical-integration r random-variable lme4-nlme mixed-model weighted-regression power-law errors-in-variables machine-learning classification entropy information-theory mutual-information

2

Plat, conjugué et hyper-prieur. Que sont-ils?

Je lis actuellement sur les méthodes bayésiennes dans le calcul de l'évolution moléculaire par Yang. Dans la section 5.2, il parle des prieurs, et en particulier des non-informatifs / plats / vagues / diffus, conjugués et hyperpriors. Cela pourrait demander une simplification excessive, mais quelqu'un pourrait-il expliquer simplement la différence …

15 bayesian prior

2

Qu'est-ce qu'une bonne distribution préalable des degrés de liberté dans la distribution?

Je souhaite utiliser à la distribution pour modéliser les rendements des actifs à court intervalle dans un modèle bayésien. Je voudrais estimer à la fois les degrés de liberté (ainsi que d'autres paramètres de mon modèle) pour la distribution. Je sais que les rendements des actifs sont tout à fait …

15 distributions bayesian modeling prior

1

Jeffreys prior pour plusieurs paramètres

Dans certains cas, l'a priori de Jeffreys pour un modèle multidimensionnel complet est généralement considéré comme insuffisant, c'est par exemple le cas dans: (où ε ∼ N ( 0 , σ 2 ) , avec μ et σ inconnus) où le prieur suivant est préféré (au précédent de Jeffreys complet …

14 distributions bayesian estimation prior jeffreys-prior

2

Paramètres sans priorités définies dans Stan

Je viens de commencer à apprendre à utiliser Stan et rstan. À moins que je ne sois toujours confus sur le fonctionnement de JAGS / BUGS, je pensais que vous deviez toujours définir une distribution préalable d'une sorte pour chaque paramètre du modèle à partir duquel tirer. Il semble que …

14 mcmc prior jags graphical-model stan

2

Faire un prior bayésien à partir d'un résultat fréquentiste

Comment transformer un résultat fréquentiste en prior bayésien? Considérons le scénario assez générique suivant: Une expérience a été menée dans le passé et un résultat sur un paramètre été mesuré. L'analyse a été réalisée avec une méthodologie fréquentiste. Un intervalle de confiance pour ϕϕϕ\phiϕϕ\phi est donné dans les résultats. Je …

13 bayesian confidence-interval meta-analysis prior

2

Vous observez k têtes sur n lancers. La pièce est-elle juste?

On m'a posé cette question avec dans une interview. Y a-t-il une réponse «correcte»?( n , k ) = ( 400 , 220 )(n,k)=(400,220)(n, k) = (400, 220) Supposons que les lancers soient iid et que la probabilité des têtes soit . La distribution du nombre de têtes en 400 …

13 probability hypothesis-testing self-study prior

1

Quand devrais-je m'inquiéter du paradoxe de Jeffreys-Lindley dans le choix du modèle bayésien?

Je considère un grand (mais fini) espace de modèles de complexité variable que j'explore en utilisant RJMCMC . Le prior sur le vecteur de paramètre pour chaque modèle est assez informatif. Dans quels cas (le cas échéant) devrais-je m'inquiéter du paradoxe de Jeffreys-Lindley favorisant les modèles plus simples alors que …

12 bayesian model-selection mcmc prior improper-prior

3

Prior de Jeffreys pour une distribution normale avec une moyenne et une variance inconnues

Je lis sur les distributions antérieures et j'ai calculé Jeffreys a priori pour un échantillon de variables aléatoires normalement distribuées avec une moyenne et une variance inconnues. Selon mes calculs, ce qui suit vaut pour Jeffreys a priori: p(μ,σ2)=det(I)−−−−−√=det(1/σ2001/(2σ4))−−−−−−−−−−−−−−−−−−√=12σ6−−−−√∝1σ3.p(μ,σ2)=réet(je)=réet(1/σ2001/(2σ4))=12σ6∝1σ3. p(\mu,\sigma^2)=\sqrt{det(I)}=\sqrt{det\begin{pmatrix}1/\sigma^2 & 0 \\ 0 & 1/(2\sigma^4)\end{pmatrix}}=\sqrt{\frac{1}{2\sigma^6}}\propto\frac{1}{\sigma^3}. Ici,IjeIla matrice d'information de …

12 bayesian normal-distribution prior jeffreys-prior

2

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

11 bayesian prior posterior

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

Questions marquées «prior»