Estoy buscando antecedentes no informativos para que la distribución beta funcione con un proceso binomial (Hit / Miss). Al principio pensé en usar que genera un PDF uniforme, o Jeffrey antes α = 0.5 , β = 0.5 . Pero en realidad estoy buscando antecedentes que tengan el mínimo efecto en los...
¿Por qué incluso tener antecedentes no informativos? No proporcionan información sobre . Entonces, ¿por qué usarlos? ¿Por qué no solo usar previos informativos? Por ejemplo, supongamos que θ ∈ [ 0 , 1 ] . Entonces es θ ~ T ( 0 , 1 ) una previa no informativa para θ ?θθ\thetaθ∈[0,1]θ∈[0,1] \theta...
Encontré esta imagen en una publicación de blog aquí . Me decepcionó que leer la declaración no provocara la misma expresión facial para mí que para este tipo. Entonces, ¿qué significa la afirmación de que la hipótesis nula es la frecuencia con la que los expresionistas expresan un previo poco...
Estoy tratando de ajustar un modelo de tiempo discreto en R, pero no estoy seguro de cómo hacerlo. He leído que puede organizar la variable dependiente en diferentes filas, una para cada observación de tiempo, y usar la glmfunción con un enlace logit o cloglog. En este sentido, tengo tres...
Tenemos N muestras, XiXiX_i , de una distribución uniforme [0,θ][0,θ][0,\theta] donde θθ\theta es desconocido. Estima θθ\theta partir de los datos. Entonces, la regla de Bayes ... f(θ|Xi)=f(Xi|θ)f(θ)f(Xi)f(θ|Xi)=f(Xi|θ)f(θ)f(Xi)f(\theta | {X_i}) = \frac{f({X_i}|\theta)f(\theta)}{f({X_i})} y...
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...
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
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...
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
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,...