Tanto bayesglm()(en el paquete arm R) como varias funciones en el paquete MCMCpack están destinadas a hacer una estimación bayesiana de modelos lineales generalizados, pero no estoy seguro de que realmente estén calculando lo mismo. Las funciones MCMCpack utilizan la cadena de Markov Monte Carlo...
Estoy usando la fórmula de la prueba ab bayesiana para calcular los resultados de la prueba AB utilizando la metodología bayesiana. Pr ( psi> pUNA) = ∑i = 0αsi- 1B ( αUNA+ i , βsi+ βUNA)( βsi+ i ) B ( 1 + i , βsi) B ( αUNA, βUNA)Pr(pB>pA)=∑i=0αB−1B(αA+i,βB+βA)(βB+i)B(1+i,βB)B(αA,βA) \Pr(p_B...
Estoy confundido sobre cómo evaluar la distribución predictiva posterior para la regresión lineal bayesiana, más allá del caso básico descrito aquí en la página 3, y copiado a continuación. p ( y~∣ y) = ∫p ( y~∣ β, σ2) p ( β, σ2∣ y)p(y~∣y)=∫p(y~∣β,σ2)p(β,σ2∣y) p(\tilde y \mid y) = \int p(\tilde y...
Estoy buscando una respuesta que satisfaga a un lector que entienda los valores p frecuentistas pero que solo comprenda los rudimentos de los enfoques bayesianos de las estadísticas. En la actualidad, las búsquedas de Google no revelan una definición ni en una página de Wikipedia ni en ningún otro...
Supongamos que estoy tratando de volver a parametrizar una función de probabilidad que se distribuye exponencialmente. Si mi función de probabilidad original es: p ( y∣ θ ) = θ e- θ yp(y∣θ)=θe−θy p(y \mid \theta) = \theta e^{-\theta y} y me gustaría volver a parametrizarlo usando , dado queθno...
Cuando se realiza una regresión lineal bayesiana, hay que asignar un previa para la pendiente y la intersección . Como es un parámetro de ubicación, tiene sentido asignar un uniforme previo; sin embargo, me parece que es similar a un parámetro de escala y no parece natural asignarle un uniforme...
Actualmente estoy usando un enfoque bayesiano para estimar los parámetros de un modelo que consta de varias EDO. Como tengo 15 parámetros para estimar, mi espacio de muestreo es de 15 dimensiones y mi búsqueda de distribución posterior parece tener muchos máximos locales que están muy aislados por...
¿O qué condiciones lo garantizan? En general (y no solo modelos normales y binomiales) supongo que la razón principal que rompió esta afirmación es que hay inconsistencia entre el modelo de muestreo y el anterior, pero ¿qué más? Estoy empezando con este tema, así que realmente aprecio ejemplos...
Considere la función de densidad posterior dada (como de costumbre) por π(θ)∏i=1nf(xi;θ),π(θ)∏i=1nf(xi;θ), \pi(\theta) \prod_{i=1}^n f(x_i;\theta), con densidad previa ππ\pi y distribución f(⋅;θ)f(⋅;θ)f(\cdot;\theta) del nnn observaciones x1,…,xnx1,…,xnx_1, \dots, x_n, condicional en el valor del...
Si uso un Jeffreys antes para un parámetro de probabilidad binomial entonces esto implica usar una distribución .theta ~ b e t un ( 1 / 2 , 1 / 2 )θθ\thetaθ∼beta(1/2,1/2)θ∼beta(1/2,1/2)\theta \sim beta(1/2,1/2) Si me transformo en un nuevo marco de referencia entonces claramente tampoco se...
Me pregunto cuál es la diferencia entre estos dos tipos de antecedentes: No
Durante el año pasado, he estado escuchando mucho sobre los marcos de programación probabilística (PP) como PyMC3 y Stan , y qué tan bueno es el PP. Y hoy, alguien compartió este enlace conmigo: Pyro: un lenguaje de programación probabilístico profundo Sin embargo, realmente no sigo lo que tiene...
Cuando comencé a leer sobre el filtro de Kalman, pensé que era un caso especial del modelo ARIMA (es decir, ARIMA (0,1,1)). Pero en realidad parece que la situación es más complicada. En primer lugar, ARIMA se puede utilizar para la predicción y el filtro de Kalman es para el filtrado. ¿Pero no...
Me pregunto si las probabilidades condicionales son exclusivas del bayesianismo o si son más un concepto general que se comparte entre varias escuelas de pensamiento entre las estadísticas / personas probabilísticas. Supongo que sí, porque supongo que nadie puede es lógico, por lo que creo que los...
Me gustaría encontrar algunos "ejemplos del mundo real" para enseñar estadísticas bayesianas. Las estadísticas bayesianas le permiten a uno incorporar formalmente conocimiento previo en un análisis. Me gustaría darles a los estudiantes algunos ejemplos simples del mundo real de investigadores que...
La enseñanza estándar dice que la sensibilidad y la especificidad son propiedades de la prueba y son independientes de la prevalencia. ¿Pero no es esto solo una suposición? Los principios de la medicina interna de Harrison 19ª ed dice Durante mucho tiempo se ha afirmado que la sensibilidad y la...
Me he encontrado con estas diapositivas (diapositiva 16 y 17) en uno de los cursos en línea. El instructor intentaba explicar cómo la Estimación posterior máxima (MAP) es en realidad la solución , donde es el parámetro verdaderoL(θ)=I[θ≠θ∗]L(θ)=I[θ≠θ∗]L(\theta) = \mathcal{I}[\theta \ne...
Estoy modelando la dispersión de plantas usando una distribución normal generalizada ( entrada de wikipedia ), que tiene la función de densidad de probabilidad: si2 a Γ ( 1 / b )mi- ( duna)sisi2unaΓ(1/ /si)mi-(reuna)si \frac{b}{2a\Gamma(1/b)} e^{-(\frac{d}{a})^b} donde rered es la distancia...
El Proceso de Dirichlet y el Proceso Gaussiano a menudo se denominan "distribuciones sobre funciones" o "distribuciones sobre distribuciones". En ese caso, ¿puedo hablar significativamente sobre la densidad de una función en un GP? Es decir, ¿el Proceso Gaussiano o el Proceso de Dirichlet tienen...
Cerrada . Esta pregunta está basada en la opinión . Actualmente no está aceptando respuestas. ¿Quieres mejorar esta pregunta? Actualice la pregunta para que pueda ser respondida con hechos y citas editando esta publicación . Cerrado el año pasado ....