Istnieją różne rodzaje algorytmów MCMC: Metropolis-Hastings Gibbs Próbkowanie pod kątem ważności / odrzucenia (powiązane). Dlaczego warto korzystać z próbkowania Gibbs zamiast Metropolis-Hastings? Podejrzewam, że zdarzają się przypadki, w których wnioskowanie jest łatwiejsze w przypadku...
Rozważ obserwacje dobrze ocenzurowane z wydarzeniami czasami . Liczba podatnych osobników w czasie wynosi , a liczba zdarzeń w czasie wynosi .t1, t2), …t1,t2,…t_1, t_2, \dotsn I I d Ijaiinjanin_ijaiirejadid_i Kaplan-Meier lub estymator produktu powstaje naturalnie jako MLE, gdy funkcja przeżycia...
(Aby zobaczyć, dlaczego to napisałem, sprawdź komentarze poniżej mojej odpowiedzi na to pytanie ). Błędy typu III i teoria decyzji statystycznych Udzielenie prawidłowej odpowiedzi na złe pytanie jest czasem nazywane błędem typu III. Statystyczna teoria decyzji jest formalizacją procesu...
Właśnie czytałem trochę na temat próbkowania Gibbsa i algorytmu Metropolis Hastings i mam kilka pytań. Jak rozumiem, w przypadku próbkowania Gibbsa, jeśli mamy duży problem wielowymiarowy, próbkujemy z rozkładu warunkowego, tj. Próbkujemy jedną zmienną, utrzymując wszystkie pozostałe w stałym,...
Niedawno zacząłem czytać „Wprowadzenie do statystyki bayesowskiej” 2. wydanie Bolstad. Miałem klasę statystyk wprowadzających, która obejmowała głównie testy statystyczne i prawie przechodzę klasę w analizie regresji. Jakich innych książek mogę użyć, aby uzupełnić moje zrozumienie tej? Udało mi...
Poznałem statystyki bayesowskie i często czytałem artykuły „przyjmujemy podejście bayesowskie” lub coś podobnego. Rzadko też zauważyłem: „przyjmujemy podejście w pełni bayesowskie” (mój nacisk). Czy istnieje jakaś różnica między tymi podejściami w sensie praktycznym lub teoretycznym?...
Użyłem wielokrotnej imputacji, aby uzyskać liczbę kompletnych zestawów danych. Użyłem metod bayesowskich na każdym z kompletnych zestawów danych, aby uzyskać rozkłady tylne dla parametru (efekt losowy). Jak mogę połączyć / połączyć wyniki dla tego parametru? Więcej kontekstu: Mój model jest...
Zostałem wezwany do pełnienia obowiązków przysięgłych. Jestem świadomy znaczenia statystyk dla niektórych prób jury. Na przykład koncepcja „stawki podstawowej” i jej zastosowanie do obliczania prawdopodobieństwa jest czasem - być może zawsze - istotna. Jakie tematy statystyczne może pożytecznie...
Poświęciłem dużo czasu na opracowanie metod i oprogramowania do walidacji modeli predykcyjnych w tradycyjnej dziedzinie statystyki częstokroć. Wprowadzając w życie więcej pomysłów bayesowskich i nauczając, dostrzegam kilka kluczowych różnic do przyjęcia. Po pierwsze, bayesowskie modelowanie...
Czy istnieje słowo, które oznacza „odwrotność wariancji”? To znaczy, jeśli ma dużą wariancję, to ma niskie ? Nie jesteś zainteresowany bliskim antonimem (jak „zgoda” lub „podobieństwo”), ale konkretnie oznacza ?X … 1 / σ 2XXXXXX……\dots1 /
Rozumiem, że stosując podejście bayesowskie do szacowania wartości parametrów: Rozkład tylny jest kombinacją rozkładu wcześniejszego i rozkładu prawdopodobieństwa. Symulujemy to, generując próbkę z rozkładu tylnego (np. Przy użyciu algorytmu Metropolis-Hasting do generowania wartości i...
Podczas udziału w konferencjach zwolennicy statystyki bayesowskiej mieli niewielki nacisk na ocenę wyników eksperymentów. Jest chwalony za bardziej wrażliwy, odpowiedni i wybiórczy w stosunku do prawdziwych ustaleń (mniej fałszywych wyników pozytywnych) niż częste statystyki. Zagłębiłem się nieco...
Wiem sporo o dopasowywaniu parametrów ciągłych, szczególnie metod opartych na gradiencie, ale niewiele o dopasowywaniu parametrów dyskretnych. Jakie są powszechnie stosowane algorytmy / techniki MCMC do dopasowania dyskretnych parametrów? Czy istnieją algorytmy, które są zarówno dość ogólne, jak...
Czytam artykuł, w którym autorzy prowadzą dyskusję o oszacowaniu maksymalnego prawdopodobieństwa do twierdzenia Bayesa, rzekomo jako wstęp dla początkujących. Jako przykład prawdopodobieństwa zaczynają się od rozkładu dwumianowego: p(x|n,θ)=(nx)θx(1−θ)n−xp(x|n,θ)=(nx)θx(1−θ)n−xp(x|n,\theta) =...
Ostatnio badałem bayesowskie podejście do statystyki klasycznej. Po przeczytaniu o czynniku Bayesa zastanawiałem się, czy analiza mocy jest niezbędna w tym widoku statystyki. Moim głównym powodem do zastanowienia się nad tym jest fakt, że czynnik Bayesa wydaje się po prostu współczynnikiem...
Dopasowuję Bayesian HLM w JAGS przy użyciu k-krotnej walidacji krzyżowej (k = 5). Chciałbym wiedzieć, czy szacunki parametru są stabilne we wszystkich fałdach. Jak najlepiej to zrobić?ββ\beta Jednym z pomysłów jest znalezienie różnic w tylnej stronie i sprawdzenie, czy 0 jest w 95% CI różnicy....
Czy ktoś wie, w którym roku MCMC stało się powszechne (tj. Popularna metoda wnioskowania bayesowskiego)? Szczególnie pomocny byłby link do liczby opublikowanych artykułów MCMC (czasopism) w
Artykuł The Odds, Continually Updated wspomina historię rybaka z Long Island, który dosłownie zawdzięcza swoje życie Bayesian Statistics. Oto krótka wersja: W środku nocy na łodzi jest dwóch rybaków. Podczas gdy jeden śpi, drugi wpada do oceanu. Łódź cały czas trolluje autopilotem przez całą...
Często argumentuje się, że szkielet bayesowski ma dużą przewagę interpretacyjną (nad częstokroć), ponieważ oblicza prawdopodobieństwo parametru na podstawie danych - zamiast jak w ramy dla częstych. Jak na razie dobrze.p ( x | θ )p ( θ | x )p(θ|x)p(\theta|x)p ( x | θ )p(x|θ)p(x|\theta) Ale całe...
Próbuję zrozumieć na głębszym poziomie wszechobecność prawdopodobieństwa logarytmicznego (a być może bardziej ogólnie log-prawdopodobieństwo) w statystyce i teorii prawdopodobieństwa. Log-prawdopodobieństwa pojawiają się wszędzie: zwykle pracujemy z prawdopodobieństwem log dla analizy (np. Dla...