Questions marquées «prior»

Dans les statistiques bayésiennes, une distribution préalable formalise des informations ou des connaissances (souvent subjectives), disponibles avant qu'un échantillon ne soit vu, sous la forme d'une distribution de probabilité. Une distribution à large diffusion est utilisée lorsque l'on sait peu de choses sur le ou les paramètres, tandis qu'une distribution antérieure plus étroite représente un plus grand degré d'information.

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
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 …
3
Comment effectuer une SVD pour imputer des valeurs manquantes, un exemple concret
J'ai lu les excellents commentaires sur la façon de traiter les valeurs manquantes avant d'appliquer SVD, mais j'aimerais savoir comment cela fonctionne avec un exemple simple: Movie1 Movie2 Movie3 User1 5 4 User2 2 5 5 User3 3 4 User4 1 5 User5 5 1 5 Étant donné la matrice …
8 r  missing-data  data-imputation  svd  sampling  matlab  mcmc  importance-sampling  predictive-models  prediction  algorithms  graphical-model  graph-theory  r  regression  regression-coefficients  r-squared  r  regression  modeling  confounding  residuals  fitting  glmm  zero-inflation  overdispersion  optimization  curve-fitting  regression  time-series  order-statistics  bayesian  prior  uninformative-prior  probability  discrete-data  kolmogorov-smirnov  r  data-visualization  histogram  dimensionality-reduction  classification  clustering  accuracy  semi-supervised  labeling  state-space-models  t-test  biostatistics  paired-comparisons  paired-data  bioinformatics  regression  logistic  multiple-regression  mixed-model  random-effects-model  neural-networks  error-propagation  numerical-integration  time-series  missing-data  data-imputation  probability  self-study  combinatorics  survival  cox-model  statistical-significance  wilcoxon-mann-whitney  hypothesis-testing  distributions  normal-distribution  variance  t-distribution  probability  simulation  random-walk  diffusion  hypothesis-testing  z-test  hypothesis-testing  data-transformation  lognormal  r  regression  agreement-statistics  classification  svm  mixed-model  non-independent  observational-study  goodness-of-fit  residuals  confirmatory-factor  neural-networks  deep-learning 
3
Probabilité gaussienne + quel a priori = Marginal gaussien?
Étant donné une probabilité gaussienne pour un échantillon comme avec étant l'espace des paramètres et , paramétrisations arbitraires du vecteur moyen et de la matrice de covariance.yyyp(y|θ)=N(y;μ(θ),Σ(θ))p(y|θ)=N(y;μ(θ),Σ(θ))p(y|\theta) = \mathcal{N}(y;\mu(\theta),\Sigma(\theta))ΘΘ\Thetaμ(θ)μ(θ)\mu(\theta)Σ(θ)Σ(θ)\Sigma(\theta) Est-il possible de spécifier une densité antérieure et un paramétrage du vecteur moyen et de la matrice de covariance tels que …
2
Comment utilise-t-on le théorème de Bayes avec un a priori continu?
Si mon a priori est modélisé comme une distribution de probabilité continue, disons, une distribution bêta asymétrique pour refléter mon biais vers certains modèles, comment puis-je calculer la probabilité postérieure? Le défi pour moi est de calculer la probabilité d'un modèle donné, car la distribution continue ne me donnera que …
8 bayesian  prior 
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
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
Choisir des priors non informatifs
Je travaille sur un modèle reposant sur une vilaine fonction paramétrée faisant office de fonction de calibration sur une partie du modèle. En utilisant un paramètre bayésien, j'ai besoin d'obtenir des priors non informatifs pour les paramètres décrivant ma fonction. Je sais que dans l'idéal, je devrais dériver la référence …
2
Comment la distribution gamma inverse est-elle liée à et ?
Étant donné que l'estimation postérieure de σ′2σ′2\sigma'^{2} d'une vraisemblance normale et d'un gamma inverse antérieur sur σ2σ2\sigma^2 est: σ′2∼IG(α+n2,β+∑ni=1(yi−μ)22)σ′2∼IG(α+n2,β+∑i=1n(yi−μ)22)\sigma'^{2}\sim\textrm{IG}\left(\alpha + \frac{n}{2}, \beta +\frac{\sum_{i=1}^n{(y_i-\mu)^2}}{2}\right) ce qui équivaut à σ′2∼IG(n2,nσ22)σ′2∼IG(n2,nσ22)\sigma'^{2}\sim\textrm{IG}\left( \frac{n}{2}, \frac{n\sigma^2}{2}\right) puisqu'un \ textrm {IG} faible (\ alpha, \ beta)IG(α,β)IG(α,β)\textrm{IG}(\alpha, \beta) antérieur sur σ2σ2\sigma^2 supprime αα\alpha et ββ\beta de l'équation 1: …
1
Comment puis-je compléter le carré avec une probabilité normale et une priorité normale?
Comment puis-je compléter le carré à partir du point où je me suis arrêté, et est-ce correct jusqu'à présent? J'ai un avant normal pour ββ\beta de la forme p ( β|σ2) ∼ N( 0 ,σ2V)p(β|σ2)∼N(0,σ2V)p(\beta|\sigma^2)\sim \mathcal{N}(0,\sigma^2V), obtenir: p ( β|σ2) = ( 2 πσ2V)p2exp[ -12σ2βTβ]p(β|σ2)=(2πσ2V)p2exp⁡[-12σ2βTβ]p(\beta|\sigma^2)=(2\pi\sigma^2V)^\frac{p}{2}\exp[-\frac{1}{2\sigma^2}\beta^T\beta] où βTββTβ\beta^T\beta est ∑i = …
3
Une question sur les paramètres de la distribution gamma en économétrie bayésienne
L'article de Wikipédia sur la distribution Gamma répertorie deux méthodes de paramétrage différentes, l'une d'entre elles fréquemment utilisée en économétrie bayésienne avec et , est le paramètre de forme, est le paramètre de taux.α>0α>0\alpha>0β>0β>0\beta>0αα\alphaββ\beta X∼ G a m m a ( α , β) .X∼Gamma(α,β).X\sim \mathrm{Gamma}(\alpha,\beta). Dans un manuel d'économétrie …
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.