La pregunta se basa en el artículo titulado: Reconstrucción de imágenes en tomografía óptica difusa utilizando el modelo acoplado de transporte radiativo-difusión Enlace de descarga Los autores aplican el algoritmo EM con regularización de dispersión de un vector desconocido para estimar los...
Considere la pérdida cuadrática , con la anterior donde . Sea la probabilidad. Encuentre el estimador de Bayes .L(θ,δ)=(θ−δ)2L(θ,δ)=(θ−δ)2L(\theta,\delta)=(\theta-\delta)^2π(θ)π(θ)\pi(\theta)π(θ)∼U(0,1/2)π(θ)∼U(0,1/2)\pi(\theta)\sim
Actualmente estoy viendo un documento del modelo de efectos aleatorios del proceso de Dirichlet y la especificación del modelo es la siguiente: dondeαes el parámetro de escala yG0es la medida base. Más adelante en el artículo, sugiere que integremos una función sobre la medida baseG0como ∫f(y j...
Cerrada . Esta pregunta necesita detalles o claridad . Actualmente no está aceptando respuestas. ¿Quieres mejorar esta pregunta? Agregue detalles y aclare el problema editando esta publicación . Cerrado hace 3 años . Por lo que he leído y por las...
Estoy leyendo el artículo de detección de punto de cambio en línea Bayesiano de Adams y MacKay ( enlace ). Los autores comienzan escribiendo la distribución predictiva marginal: dondeP(xt+1|x1:t)=∑rtP(xt+1|rt,x(r)t)P(rt|x1:t)(1)P(xt+1|x1:t)=∑rtP(xt+1|rt,xt(r))P(rt|x1:t)(1) P(x_{t+1} |...
Los estadísticos bayesianos sostienen que "las estadísticas bayesianas pueden estimar parámetros que son muy difíciles de estimar mediante métodos frecuentistas". ¿La siguiente cita tomada de esta documentación de SAS dice lo mismo? Proporciona inferencias que son condicionales a los datos y son...
Estoy tratando de implementar el modelo de mezcla gaussiana con inferencia variacional estocástica, siguiendo este artículo . Esta es la pgm de Gaussian Mixture. Según el artículo, el algoritmo completo de inferencia variacional estocástica es: Y todavía estoy muy confundido con el método...
Tengo una pregunta generalmente básica que hacer aquí que me ha estado preocupando por un tiempo. A través de la mayoría de mis lecturas de estadísticas bayesianas, se afirmaba de hecho que la probabilidad marginal a menudo es intratable o difícil de estimar. ¿Por qué? Las razones a menudo...
Estoy leyendo esta preimpresión en papel , y tengo dificultades para seguir su derivación de las ecuaciones para la regresión del proceso gaussiano. Utilizan la configuración y la notación de Rasmussen y Williams . Por lo tanto, se supone un aditivo, de media cero, estacionario y normalmente...
Sé que el anterior de Zellner está utilizando datos para establecer información previa, pero en realidad todo el modelo depende de los datos. ¿Hay alguna otra
Ejemplos: Tengo una oración en la descripción del trabajo: "Ingeniero senior de Java en el Reino Unido". Quiero usar un modelo de aprendizaje profundo para predecirlo en 2 categorías: English y IT jobs. Si uso el modelo de clasificación tradicional, solo puede predecir 1 etiqueta con...
Pregunta: Un malentendido común de los valores p es que representan la probabilidad de que la hipótesis nula sea verdadera. Sé que eso no es correcto y sé que los valores p solo representan la probabilidad de encontrar una muestra tan extrema como esta, dado que la hipótesis nula es verdadera. Sin...
Tengo un conjunto de datos con tres variables, donde todas las variables son cuantitativas. Vamos a llamarlo , y . Estoy ajustando un modelo de regresión en una perspectiva bayesiana a través de MCMC conx 1 x 2yyyX1x1x_1X2x2x_2rjags Hice un análisis exploratorio y el diagrama de dispersión de...
Considere la siguiente gráfica en la que simulé datos de la siguiente manera. Observamos un resultado binario para el cual la probabilidad real de ser 1 se indica mediante la línea negra. La relación funcional entre una covariable y es un polinomio de tercer orden con enlace logístico (por lo que...
Casella y Berger establecen la propiedad de invariancia del estimador de ML de la siguiente manera: Sin embargo, me parece que definen la "probabilidad" de de una manera completamente ad hoc y sin sentido:ηη\eta Si aplico las reglas básicas de la teoría de la probabilidad al caso simple...
En el artículo titulado Deep Learning and the Information Bottleneck Principle, los autores declaran en la sección II A) lo siguiente: Las neuronas individuales clasifican solo entradas separables linealmente, ya que pueden implementar solo hiperplanos en su espacio de entrada . Los hiperplanes...
Recientemente vi esta charla de Eric J. Ma y revisé su entrada de blog , donde cita a Radford Neal, que los modelos bayesianos no se sobreajustan (pero pueden sobreajustar ) y cuando los usamos , no necesitamos conjuntos de prueba para validarlos (para Me parece que las citas hablan más bien sobre...
La definición más simple de estadísticas suficientes en la perspectiva frecuentista se da aquí en Wikipedia . Sin embargo, recientemente me encontré con un libro bayesiano, con la definición . En el enlace se afirma que ambos son equivalentes, pero no veo cómo. Además, en esa misma página, en la...
Esto podría ser un poco de una cuestión filosófica, pero aquí vamos: En teoría de la decisión, el riesgo de un estimador de Bayes θ ( x ) para θ ∈ Θ se define con respecto a una distribución a priori π en Θ .θ^(x)θ^(x)\hat\theta(x)θ∈Θθ∈Θ\theta\in\Thetaππ\piΘΘ\Theta Ahora, por un lado, para que el...
Bayesian Data Analysis (p. 64) dice, con respecto a un modelo normal : una densidad previa vaga sensible para μμ\mu y σσ\sigma, suponiendo que la independencia previa de los parámetros de ubicación y escala, sea uniforme en (μ,logσ)(μ,logσ)(\mu, \log \sigma), o equivalente,...