Als «bayesian» getaggte Fragen

Es wird oft argumentiert, dass das Bayes'sche Gerüst einen großen Vorteil bei der Interpretation hat (gegenüber dem Frequentisten), weil es die Wahrscheinlichkeit eines Parameters berechnet, wenn die Daten gegeben sind - anstelle von wie in frequentistischer Rahmen. So weit, ist es gut.p ( x | θ )p...

Ich versuche, die Allgegenwart der log-Wahrscheinlichkeit (und vielleicht allgemeiner log-Wahrscheinlichkeit) in der Statistik und in der Wahrscheinlichkeitstheorie auf einer tieferen Ebene zu verstehen. Log-Wahrscheinlichkeiten tauchen überall auf: Wir arbeiten normalerweise mit der...

Dies ist eine sehr einfache Frage, aber ich kann die Ableitung nirgendwo im Internet oder in einem Buch finden. Ich würde gerne sehen, wie ein Bayesianer eine multivariate Normalverteilung aktualisiert. Zum Beispiel: Stellen Sie sich das vor

Stimmt es , dass für zwei Zufallsvariablen und ,AAABBB E(A∣B)=E(B∣A)E(A)E(B)?E(A∣B)=E(B∣A)E(A)E(B)?E(A\mid B)=E(B\mid

Was ist ein gutes Buch über die Bayes'sche Philosophie, die Subjektivisten mit Objektivisten kontrastiert, die Wahrscheinlich- keitsauffassung als Wissensstand in der Bayes'schen Statistik usw. erklärt? Vielleicht Savages Buch? Zuerst dachte ich, Berger (1986) könnte funktionieren, aber das ist...

Mein Verständnis der Debatte zwischen Bayesian und Frequentist ist folgende: ist (oder behauptet, objektiv zu sein) oder zumindest unvoreingenommen Verschiedene Forscher, die unterschiedliche Annahmen verwenden, können daher immer noch quantitativ vergleichbare Ergebnisse erzielen während...

Ich frage mich nur, ob die Bayes'schen Statistiken konsequent von der ersten bis zur letzten Studie angewendet werden, wenn dies eine Metaanalyse überflüssig macht. Nehmen wir zum Beispiel 20 Studien an, die zu unterschiedlichen Zeitpunkten durchgeführt wurden. Die Schätzung oder Verteilung der...

Verschlossen . Diese Frage und ihre Antworten sind gesperrt, da die Frage nicht zum Thema gehört, aber von historischer Bedeutung ist. Derzeit werden keine neuen Antworten oder Interaktionen akzeptiert. Ich habe dieses Buch gekauft: So messen Sie alles: Ermitteln des...

Ich reposte eine "Antwort" auf eine Frage, die ich vor zwei Wochen hier gestellt hatte: Warum ist der Jeffreys Prior nützlich? Es war wirklich eine Frage (und ich hatte zu der Zeit auch nicht das Recht, Kommentare zu posten), also hoffe ich, dass es in Ordnung ist, dies zu tun: In der obigen...

Ich bin auf der Suche nach einem guten Tutorial zum Clustering von Daten Rmithilfe des hierarchischen Dirichlet-Prozesses (HDP) (eine der neuesten und beliebtesten nichtparametrischen Bayes-Methoden). Für die nichtparametrische Bayes'sche Analyse gibt es DPpackage(IMHO, die umfassendste aller...

Hat jemand einen kurzen Überblick über die verschiedenen Ansätze zur Statistik geschrieben? Zu einer ersten Annäherung haben Sie frequentistische und bayesianische Statistiken. Wenn Sie genauer hinschauen, haben Sie aber auch andere Ansätze wie likelihoodistische und empirische Bayes. Und dann...

Es ist allgemein bekannt, dass eine lineare Regression mit einer 1 Strafe gleichbedeutend ist mit dem Finden der MAP-Schätzung, wenn ein Gaußscher Wert vor den Koeffizienten angegeben wird. In ähnlicher Weise ist die Verwendung einer Strafe gleichbedeutend mit der Verwendung einer...

Ich verstehe den Algorithmus wie folgt: No U-Turn Sampler (NUTS) ist eine Hamilton-Monte-Carlo-Methode. Dies bedeutet, dass es sich nicht um eine Markov-Kettenmethode handelt und dieser Algorithmus daher den Random-Walk-Teil vermeidet, der häufig als ineffizient und langsam konvergierend angesehen...

Bestrafte Regressionsschätzer wie LASSO und Ridge sollen Bayes'schen Schätzern mit bestimmten Prioritäten entsprechen. Ich vermute (da ich nicht genug über Bayes'sche Statistiken weiß), dass für einen festen Abstimmungsparameter ein konkreter entsprechender Prior existiert. Nun würde ein...

Mit einem flachen Prior fallen die Schätzer ML (Frequentist - Maximum Likelihood) und MAP (Bayesian - Maximum A Posteriori) zusammen. Im Allgemeinen spreche ich jedoch von Punktschätzern, die als Optimierer einer Verlustfunktion abgeleitet wurden. Dh (Bayesian)  x

Ich habe über die Jeffreys Prior auf Wikipedia gelesen: Jeffreys Prior und gesehen, dass nach jedem Beispiel beschrieben wird, wie eine Varianz-stabilisierende Transformation die Jeffreys Prior in einen einheitlichen Prior verwandelt. Für den Bernoulli-Fall heißt es beispielsweise, dass das...

Ich versuche derzeit, das Likelihood-Prinzip zu verstehen und verstehe es ehrlich gesagt überhaupt nicht. Also werde ich alle meine Fragen als Liste schreiben, auch wenn dies ziemlich grundlegende Fragen sein mögen. Was genau bedeutet "alle Informationen" im Kontext dieses Prinzips? (Wie bei...

Bei Verwendung der Themenmodellierung (Latent Dirichlet Allocation) ist die Anzahl der Themen ein Eingabeparameter, den der Benutzer angeben muss. Ich denke, wir sollten auch eine Sammlung von Kandidatenthemensätzen bereitstellen, mit denen der Dirichlet-Prozess verglichen werden muss. Ist mein...

Robby McKilliam sagt in einem Kommentar zu diesem Beitrag: Es sollte darauf hingewiesen werden, dass es aus Sicht der Frequentisten keinen Grund gibt, das Vorwissen nicht in das Modell zu integrieren. In diesem Sinne ist die frequentistische Ansicht einfacher, Sie haben nur ein Modell und einige...

Wenn wir eine kleine Stichprobengröße haben, hat die vorherige Verteilung einen großen Einfluss auf die hintere