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})} se...
Tengo un vago sentido de lo que es un método de paso de mensajes: un algoritmo que construye una aproximación a una distribución construyendo iterativamente aproximaciones de cada uno de los factores de la distribución condicional a todas las aproximaciones de todos los demás factores. Creo que...
Supongo que P(A|B)=P(A|B,C)∗P(C)+P(A|B,¬C)∗P(¬C)P(A|B)=P(A|B,C)∗P(C)+P(A|B,¬C)∗P(¬C)P(A|B) = P(A | B,C) * P(C) + P(A|B,\neg C) * P(\neg C) es correcto, mientras que P(A|B)=P(A|B,C)+P(A|B,¬C)P(A|B)=P(A|B,C)+P(A|B,¬C)P(A|B) = P(A | B,C) + P(A|B,\neg C) Es incorrecto. Sin embargo, tengo una...
Creo que una buena manera de recordar la fórmula es pensar en la fórmula de esta manera: La probabilidad de que algún evento A tenga un resultado particular dado un resultado independiente del evento B = la probabilidad de que ambos resultados ocurran simultáneamente / lo que digamos, la...
Estoy analizando un conjunto de datos utilizando un modelo de efectos mixtos con un efecto fijo (condición) y dos efectos aleatorios (participante debido al diseño del sujeto y al par). El modelo se ha generado con el lme4paquete:
Tengo un problema para entender por qué la inferencia bayesiana conduce a problemas intratables. El problema a menudo se explica así: Lo que no entiendo es por qué esta integral tiene que evaluarse en primer lugar: me parece que el resultado de la integral es simplemente una constante de...
Mi pregunta básica es: ¿cómo tomaría muestras de una distribución incorrecta? ¿Tiene sentido tomar muestras de una distribución incorrecta? El comentario de Xi'an aquí aborda la pregunta, pero estaba buscando más detalles sobre esto. Más específico para MCMC: Al hablar sobre MCMC y leer...
Un revisor nos pidió que proporcionáramos valores p para comprender mejor las estimaciones del modelo en nuestro modelo bayesiano multinivel. El modelo es un modelo típico de múltiples observaciones por participante en un experimento. Estimamos el modelo con Stan, por lo que podemos calcular...
Entonces, en el modelado de texto (sin supervisión), la asignación de Dirichlet latente (LDA) es una versión bayesiana del análisis semántico latente probabilístico (PLSA). Esencialmente, LDA = PLSA + Dirichlet antes de sus parámetros. Tengo entendido que LDA es ahora el algoritmo de referencia y...
Después de leer esta publicación de blog sobre los modelos de series de tiempo estructurales bayesianas, quería analizar su implementación en el contexto de un problema para el que había usado ARIMA anteriormente. Tengo algunos datos con algunos componentes estacionales conocidos (pero ruidosos):...
Necesito "aprender" la distribución de un gaussiano bivariado con pocas muestras, pero una buena hipótesis sobre la distribución anterior, por lo que me gustaría utilizar el enfoque bayesiano. Definí mi anterior: P(μ)∼N(μ0,Σ0)P(μ)∼N(μ0,Σ0) \mathbf{P}(\mathbf{\mu}) \sim...
He oído que la regresión de cresta se puede derivar como la media de una distribución posterior, si la anterior se elige adecuadamente. ¿Es la intuición de que las restricciones establecidas en los coeficientes de regresión por el anterior (por ejemplo, distribuciones normales estándar alrededor de...
Actualmente estoy leyendo sobre los métodos bayesianos en la evolución molecular de la computación por Yang. En la sección 5.2 se habla de anteriores, y específicamente no informativo / plano / vago / difuso, conjugado e hiperprevio. Esto podría estar pidiendo una simplificación excesiva, pero,...
Entonces, sabemos que la búsqueda aleatoria funciona mejor que la búsqueda de cuadrícula, pero un enfoque más reciente es la optimización bayesiana (usando procesos gaussianos). Busqué una comparación entre los dos y no encontré nada. Sé que en el cs231n de Stanford solo mencionan la búsqueda...
Antecedentes: actualmente estoy haciendo algún trabajo comparando varios modelos jerárquicos bayesianos. Los datos son medidas numéricas de bienestar para el participante i y el tiempo j . Tengo alrededor de 1000 participantes y de 5 a 10 observaciones por participante.yyo jyyojy_{ij}yoyoijjj Al...
Esta pregunta se deriva de la pregunta: ¿ cuándo (si alguna vez) es un enfoque frecuentista sustancialmente mejor que un bayesiano? Como publiqué en mi solución a esa pregunta, en mi opinión, si usted es un frecuentista, no tiene que creer / adherirse al principio de probabilidad, ya que a menudo...
Entonces, esta puede ser una pregunta común, pero nunca he encontrado una respuesta satisfactoria. ¿Cómo se determina la probabilidad de que la hipótesis nula sea verdadera (o falsa)? Digamos que les das a los estudiantes dos versiones diferentes de una prueba y quieres ver si las versiones son...
Estoy buscando un libro de texto teóricamente riguroso sobre econometría bayesiana, suponiendo una comprensión sólida de la econometría frecuentista. Me gustaría sugerir un trabajo por respuesta, para que las recomendaciones se puedan votar hacia arriba o hacia abajo
MLE = Estimación de máxima verosimilitud MAP = Máximo a posteriori MLE es intuitivo / ingenuo en el sentido de que comienza solo con la probabilidad de observación dado el parámetro (es decir, la función de probabilidad) y trata de encontrar el parámetro que mejor concuerde con la observación ....
P: ¿Cuál es la forma estándar de agrupar datos utilizando un proceso Dirichlet? Cuando se usa Gibbs, los grupos de muestreo aparecen y desaparecen durante el muestreo. Además, tenemos un problema de identificabilidad ya que la distribución posterior es invariable para los reencadenamientos de...