Actualmente estoy tomando el curso PGM de Daphne Koller en Coursera. En eso, generalmente modelamos una Red Bayesiana como un gráfico dirigido de causa y efecto de las variables que forman parte de los datos observados. Pero en los tutoriales y ejemplos de PyMC, generalmente veo que no está...
Estoy leyendo sobre la inferencia bayesiana y me encontré con la frase "la integración numérica de la probabilidad marginal es demasiado costosa" No tengo experiencia en matemáticas y me preguntaba qué significa exactamente caro aquí. ¿Es solo en términos de potencia de cálculo o hay algo más?...
Tengo un conjunto de datos de series temporales en el que estoy tratando de ajustar un Modelo de Markov Oculto (HMM) para estimar el número de estados latentes en los datos. Mi pseudo código para hacer esto es el siguiente: for( i in 2 : max_number_of_states ){ ... calculate HMM with i states...
Estoy considerando un espacio grande (pero finito) de modelos de complejidad variable que exploro usando RJMCMC . Lo anterior en el vector de parámetros para cada modelo es bastante informativo. ¿En qué casos (si corresponde) debería preocuparme la paradoja de Jeffreys-Lindley que favorece...
A menudo he escuchado esta frase, pero nunca he entendido completamente lo que significa. La frase "buenas propiedades frecuentistas" tiene ~ 2750 visitas en Google actualmente, 536 en scholar.google.com y 4 en stats.stackexchange.com . Lo más parecido que encontré a una definición clara proviene...
Deje que denote el riesgo de Bayes de un estimador con respecto a un anterior , deje que denote el conjunto de todos los anteriores en el espacio de parámetros y deje que denote el conjunto de todas las reglas de decisión (posiblemente aleatorias).δ π Π Θ Δr ( π, δ)r(π,δ)r(\pi,...
Estoy incorporando un enfoque Bayesian Model Averaging (BMA) en mi investigación y pronto daré una presentación sobre mi trabajo a mis colegas. Sin embargo, BMA no es realmente tan conocido en mi campo, así que después de presentarles toda la teoría y antes de aplicarla realmente a mi problema,...
En el teorema bayesiano, , y del libro que estoy leyendo,p(x|y)se llamaprobabilidad, pero supongo que es solo laprobabilidad condicionaldexdadoy, ¿verdad?p(y|x)=p(x|y)p(y)p(x)p(y|x)=p(x|y)p(y)p(x)p(y|x) = \frac{p(x|y)p(y)}{p(x)}p(x|y)p(x|y)p(x|y)xxxyyy La estimación de máxima verosimilitud intenta...
En el análisis bayesiano conjugado de Kevin Murphy de la distribución gaussiana , escribe que la distribución predictiva posterior es p ( x ∣ D ) = ∫p ( x ∣ θ ) p ( θ ∣ D ) dθp(x∣D)=∫p(x∣θ)p(θ∣D)dθ p(x \mid D) = \int p(x \mid \theta) p(\theta \mid D) d \theta donde reDD son los datos en los que...
En su libro Doing Bayesian Data Analysis, John Kruschke afirma que al usar JAGS de R ... la estimación del modo de una muestra de MCMC puede ser bastante inestable porque la estimación se basa en un algoritmo de suavizado que puede ser sensible a golpes y ondulaciones aleatorias en la muestra de...
Estoy usando Bayes para resolver un problema de agrupamiento. Después de hacer algunos cálculos termino con la necesidad de obtener la razón de dos probabilidades: P(A)/P(B)P(A)/P(B)P(A)/P(B) para poder obtener . Estas probabilidades se obtienen mediante la integración de dos KDE multivariados 2D...
Esta es más una cuestión de historia de la ciencia, pero espero que sea sobre el tema aquí. He leído que Thomas Bayes solo logró descubrir el teorema de Bayes para el caso especial de un uniforme anterior, e incluso entonces luchó con él, aparentemente. Teniendo en cuenta cuán trivial es el...
En el libro PRML de Bishop, dice que el sobreajuste es un problema con la Estimación de máxima verosimilitud (MLE), y Bayesian puede evitarlo. Pero creo que el sobreajuste es un problema más sobre la selección del modelo, no sobre el método utilizado para hacer la estimación de parámetros. Es...
Quería entender mejor la prueba exacta del pescador, así que ideé el siguiente ejemplo de juguete, donde f y m corresponde a machos y hembras, y n e y corresponden a "consumo de refrescos" de esta manera: > soda_gender f m n 0 5 y 5 0 Obviamente, esta es una simplificación drástica, pero...
Además de la usabilidad, ¿hay alguna justificación epistémica (matemática, filosófica, heurística, etc.) para usar los conjugados anteriores? ¿O se debe principalmente a que suele ser una aproximación lo suficientemente buena y hace las cosas mucho más
¿Cuáles son las definiciones de los semi-conjugados anteriores y de los condicional conjugados anteriores ? Los encontré en el Análisis de datos bayesianos de Gelman , pero no pude encontrar sus
Hay un podcast de NPR llamado Intelligence Squared. Cada episodio es una transmisión de un debate en vivo sobre alguna declaración polémica como "La segunda enmienda ya no es relevante" o "La acción afirmativa en los campus universitarios hace más daño que bien". Cuatro representantes debaten: dos...
Al inferir la matriz de precisión ΛΛ\boldsymbol{\Lambda} de una distribución normal utilizada para generar NNN vectores dimensionales D x1,..,xNx1,..,xN\mathbf{x_1},..,\mathbf{x_N} xi∼N(μ,Λ−1)xi∼N(μ,Λ−1)\begin{align} \mathbf{x_i} &\sim \mathcal{N}(\boldsymbol{\mu, \Lambda^{-1}}) \\ \end{align}...
Estamos investigando las pruebas estadísticas bayesianas, y nos encontramos con un fenómeno extraño (al menos para mí). Considere el siguiente caso: estamos interesados en medir qué población, A o B, tiene una tasa de conversión más alta. Para una comprobación de cordura, establecemos , es...
Tengo un conjunto de datos muy grande y faltan alrededor del 5% de valores aleatorios. Estas variables están correlacionadas entre sí. El siguiente conjunto de datos R de ejemplo es solo un ejemplo de juguete con datos correlacionados ficticios. set.seed(123) # matrix of X variable xmat <-...