Als «bayesian» getaggte Fragen

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...

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

Diese Frage ist eine technische Folge dieser Frage . Ich habe Probleme, das in Raftery (1988)NNN vorgestellte Modell zu verstehen und zu replizieren : Inferenz für den Binomial- Parameter: ein hierarchischer Bayes-Ansatz in WinBUGS / OpenBUGS / JAGS. Es geht aber nicht nur um Code, es sollte hier...

Diese Frage wurde durch zwei kürzlich von mir durchgeführte Interaktionen inspiriert, eine hier im Lebenslauf und die andere bei economics.se. Dort hatte ich eine Antwort auf das bekannte "Envelope Paradox" gepostet (wohlgemerkt nicht als die "richtige Antwort", sondern als die Antwort, die sich...

Ich versuche, den Hit-and-Run-MCMC-Algorithmus zu implementieren, habe jedoch einige Probleme, die Vorgehensweise zu verstehen. Die allgemeine Idee ist wie folgt: Um einen Vorschlagssprung in MH zu generieren, gehen wir wie folgt vor: Erzeuge eine Richtung aus einer Verteilung auf der Oberfläche...

Die ungefähre Bayes'sche Berechnung ist eine wirklich coole Technik, um im Grunde jedes stochastische Modell anzupassen, das für Modelle gedacht ist, bei denen die Wahrscheinlichkeit schwer zu bestimmen ist (Sie können beispielsweise aus dem Modell eine Stichprobe ziehen, wenn Sie die Parameter...

Ich möchte wirklich etwas über Bayesianische Techniken lernen, also habe ich versucht, mich selbst ein bisschen beizubringen. Es fällt mir jedoch schwer zu sehen, ob Bayesianische Techniken jemals einen Vorteil gegenüber Frequentist-Methoden bringen. Zum Beispiel: Ich habe in der Literatur gesehen,...

Ich habe das MCMCglmmPaket vor kurzem benutzt. Ich bin verwirrt von dem, was in der Dokumentation als R-Struktur und G-Struktur bezeichnet wird. Diese scheinen sich auf die zufälligen Effekte zu beziehen - insbesondere die Angabe der Parameter für die vorherige Verteilung auf sie, aber die...

In seiner viel zitierten Arbeit Prior-Verteilungen für Varianzparameter in hierarchischen Modellen (916 Zitate in Google Scholar) Gelman schlägt vor, dass gute, nicht informative Vorverteilungen für die Varianz in einem hierarchischen Bayes'schen Modell die Gleichverteilung und die...

Ich suche nach nicht informativen Prioritäten für die Betaverteilung, um mit einem Binomialprozess (Hit / Miss) arbeiten zu können. Zuerst dachte ich über die Verwendung von , die ein einheitliches PDF erzeugen, oder Jeffrey vor . Aber ich suche tatsächlich nach Priors, die die posterioren...

MCMC-Algorithmen wie Metropolis-Hastings- und Gibbs-Sampling sind Methoden zum Sampling aus den gemeinsamen posterioren Verteilungen. Ich denke, ich verstehe und kann Metropolen-Hasting ziemlich einfach implementieren - Sie wählen einfach irgendwie Startpunkte aus und gehen den Parameterraum nach...

Bei zwei Arrays x und y, die beide die Länge n haben, passe ich ein Modell y = a + b * x an und möchte ein 95% -Konfidenzintervall für die Steigung berechnen. Dies ist (b - delta, b + delta), wobei b in üblicher Weise und gefunden wird delta = qt(0.975,df=n-2)*se.slope und se.slope ist der...

Als Student der Physik habe ich die Vorlesung "Warum ich ein Bayesianer bin" vielleicht ein halbes Dutzend Mal erlebt. Es ist immer dasselbe - der Moderator erklärt selbstgefällig, dass die Bayes'sche Interpretation der von den Massen angeblich verwendeten frequentistischen Interpretation überlegen...

Pr(data)Pr(data)\Pr(\textrm{data}) Pr(parameters∣data)=Pr(data∣parameters)Pr(parameters)Pr(data)Pr(parameters∣data)=Pr(data∣parameters)Pr(parameters)Pr(data)\Pr(\text{parameters} \mid \text{data}) = \frac{\Pr(\textrm{data} \mid \textrm{parameters}) \Pr(\text{parameters})}{\Pr(\text{data})} wird...

Nach dem Lesen diesen Blog-Beitrag über Bayes'sche strukturelle Zeitreihenmodelle , wollte ich die Implementierung im Kontext eines Problems betrachten, für das ich zuvor ARIMA verwendet hatte. Ich habe einige Daten mit einigen bekannten (aber lauten) saisonalen Komponenten - es gibt definitiv...

Ich habe eine vage Vorstellung davon, was eine Nachrichtenübermittlungsmethode ist: ein Algorithmus, der eine Annäherung an eine Verteilung durch iteratives Erstellen von Annäherungen jedes der Faktoren der Verteilung erstellt, die von allen Annäherungen aller anderen Faktoren abhängig sind. Ich...

Ich lese gerade über Bayes'sche Methoden in der Computation Molecular Evolution von Yang. In Abschnitt 5.2 geht es um Prioritäten und insbesondere um Nicht-informative, flache, vage, diffuse, konjugierte und hyperpriore Prioritäten. Dies könnte zu einer übermäßigen Vereinfachung führen, aber...

Wir wurden von einem Gutachter gebeten, p-Werte anzugeben, um die Modellschätzungen in unserem Bayes'schen Mehrebenenmodell besser zu verstehen. Das Modell ist ein typisches Modell für mehrere Beobachtungen pro Teilnehmer an einem Experiment. Wir haben das Modell mit Stan geschätzt, damit wir...

Ich habe ein Problem zu verstehen, warum Bayesian Inference zu unlösbaren Problemen führt. Das Problem wird oft so erklärt: Was ich nicht verstehe, ist, warum dieses Integral zuerst ausgewertet werden muss: Es scheint mir, dass das Ergebnis des Integrals einfach eine Normalisierungskonstante ist...

Ich analysiere einen Datensatz unter Verwendung eines gemischten Effektmodells mit einem festen Effekt (Bedingung) und zwei zufälligen Effekten (Teilnehmer aufgrund des innerhalb des Motivs und des Paares). Das Modell wurde mit dem erzeugten lme4Paket: