Me sorprende que no pueda encontrar ningún artículo / conferencia sobre cómo uno puede incorporar Distribuciones de probabilidad de clase previa en clasificadores como Regresión logística o Bosque aleatorio. Entonces mi pregunta es: ¿Cómo se puede incorporar la distribución de probabilidad de...
En Bayesian Data Analysis , capítulo 13, página 317, segundo párrafo completo, en las aproximaciones modales y distributivas, Gelman et al. escribir: Si el plan es resumir la inferencia por el modo posterior de ρρ\rho [el parámetro de correlación en una distribución normal bivariada],...
Se prefieren los antecedentes no informativos en los casos en que el sesgo no es aceptable (es decir, salas de audiencias, etc.) Sin embargo, me parece que tendría sentido utilizar un enfoque frecuentista en su lugar. ¿Por qué el enfoque bayesiano incluso tiene un previo no
Tengo dos preguntas, Pregunta 1: ¿Cómo puedo demostrar que la distribución posterior es una distribución beta si la probabilidad es binomial y la anterior es beta? Pregunta 2: ¿Cómo afectan las elecciones los parámetros anteriores a los posteriores? ¿No deberían ser todos iguales? ¿Es posible...
Estoy usando la regresión de Softmax para un problema de clasificación de varias clases. No tengo iguales probabilidades previas para cada una de las clases. Sé por Regresión logística (regresión softmax con 2 clases) que las probabilidades previas de las clases se agregan implícitamente al sesgo...
Estoy trabajando en un modelo que depende de una función parametrizada fea que actúa como una función de calibración en una parte del modelo. Utilizando una configuración bayesiana, necesito obtener antecedentes no informativos para los parámetros que describen mi función. Sé que, idealmente,...
La función de probabilidad de una distribución lognormal es: F( x ; μ , σ) ∝∏norteyo11σXyoExp( -( lnXyo- μ)22σ2)F(X;μ,σ)∝∏yo1norte1σXyoExp(-(EnXyo-μ)22σ2)f(x; \mu, \sigma) \propto \prod_{i_1}^n \frac{1}{\sigma x_i} \exp \left ( - \frac{(\ln{x_i} - \mu)^2}{2 \sigma^2} \right ) y el Prior de...
Supongamos que obtendré algunas muestras de una distribución binomial. Una forma de modelar mi conocimiento previo es con una distribución Beta con parámetros y . Según tengo entendido, esto es equivalente a haber visto "cabezas" veces en trial. Como tal, un buen atajo para hacer la inferencia...
Si mi anterior se modela como una distribución de probabilidad continua, por ejemplo, una distribución beta sesgada para reflejar mi sesgo hacia ciertos modelos, ¿cómo puedo calcular la probabilidad posterior? El desafío para mí es calcular la probabilidad de un modelo dado, ya que la distribución...
Si mi probabilidad tiene la forma de una distribución beta, y quiero usar el previo de Jeffreys para sus parámetros, ¿cuál es el formato del anterior? Para algunas distribuciones es bastante sencillo de calcular. por ejemplo, en el caso binomial, la expectativa de la segunda derivada claramente le...
El artículo de Wikipedia sobre la distribución Gamma enumera dos métodos de parametrización diferentes, uno de ellos utilizado con frecuencia en la econometría bayesiana con y , es parámetro de forma, es parámetro de
En la entrada de Wikipedia para el criterio de información de Akaike , leemos en Comparación con BIC (criterio de información bayesiano) que ... AIC / AICc tiene ventajas teóricas sobre BIC ... AIC / AICc se deriva de principios de información; BIC no es ... BIC tiene un previo de 1 / R (donde R...
¿Cómo completo el cuadrado desde el punto donde lo dejé y es correcto hasta ahora? Tengo un previo normal para ββ\beta de la forma p(β|σ2)∼N(0,σ2V)p(β|σ2)∼N(0,σ2V)p(\beta|\sigma^2)\sim \mathcal{N}(0,\sigma^2V),
He leído los excelentes comentarios sobre cómo lidiar con los valores perdidos antes de aplicar SVD, pero me gustaría saber cómo funciona con un ejemplo simple: Movie1 Movie2 Movie3 User1 5 4 User2 2 5 5 User3 3 4 User4 1 5 User5 5 1 5 Dada la matriz anterior, si elimino los valores de NA,...
Tengo una pregunta sobre la mezcla de anteriores conjugados. Aprendí y digo la mezcla de anteriores conjugados un par de veces cuando estoy aprendiendo bayesiano. Me pregunto por qué este teorema es tan importante, cómo lo aplicaremos cuando hagamos un análisis bayesiano. Para ser más específicos,...
Dado que la estimación posterior de de una probabilidad normal y una gamma inversa antes de es:σ′2σ′2\sigma'^{2}σ2σ2\sigma^2 σ′2∼IG(α+n2,β+∑ni=1(yi−μ)22)σ′2∼IG(α+n2,β+∑i=1n(yi−μ)22)\sigma'^{2}\sim\textrm{IG}\left(\alpha + \frac{n}{2}, \beta +\frac{\sum_{i=1}^n{(y_i-\mu)^2}}{2}\right) que es...
Actualmente estoy leyendo artículos sobre PCA probabilístico y me pregunto por qué se elige Gaussian prior (y no algún otro prior) para las variables latentes. ¿Es solo porque es simple o hay otra razón? Referencias Tipping & Bishop, 1999, Análisis probabilístico de componentes principales ,...
Dada una probabilidad gaussiana para una muestra como con siendo el espacio de parámetros y , parametrizaciones arbitrarias del vector medio y la matriz de covarianza.yyyp ( yEl | θ)= N( y; μ ( θ ) , Σ ( θ ) )p(y|θ)=N(y;μ(θ),Σ(θ))p(y|\theta) = \mathcal{N}(y;\mu(\theta),\Sigma(\theta))ΘΘ\Thetaμ ( θ...
¿ Todos los anteriores conjugados tienen que venir de la familia exponencial? Si no, ¿qué otras familias se sabe que tienen / producen antecedentes