Câu hỏi được gắn thẻ «bayesian»

Suy luận Bayes là một phương pháp suy luận thống kê dựa vào việc coi các tham số mô hình là các biến ngẫu nhiên và áp dụng định lý Bayes để suy ra các tuyên bố xác suất chủ quan về các tham số hoặc giả thuyết, có điều kiện trên tập dữ liệu được quan sát.

1
Có một giải thích Bayes tồn tại cho REML?
Là một cách giải thích Bayes của REML có sẵn? Theo trực giác của tôi, REML mang một sự tương đồng mạnh mẽ với cái gọi là thủ tục ước lượng Bayes theo kinh nghiệm , và tôi tự hỏi liệu một loại tương đương tiệm cận nào đó (theo …
1
Bayesian Lasso vs cành và phiến
Câu hỏi: Những lợi thế / bất lợi của việc sử dụng cái này trước cái kia để lựa chọn biến là gì? Giả sử tôi có khả năng xảy ra: mà tôi có thể đặt hoặc một trong những priors: w i ~ π delta 0 + ( 1 …
2
Học sâu Bayes là gì?
Bayesian Deep Learning là gì và nó liên quan đến thống kê Bayes truyền thống và Deep Learning truyền thống như thế nào? Các khái niệm chính và toán học liên quan là gì? Tôi có thể nói đó chỉ là số liệu thống kê bayes không tham số không? …
3
Làm MCMC: sử dụng jags / stan hoặc tự thực hiện
Tôi mới tham gia nghiên cứu Thống kê Bayes. Tôi đã nghe từ các nhà nghiên cứu rằng các nhà nghiên cứu Bayes tự thực hiện MCMC tốt hơn thay vì sử dụng các công cụ như JAGS / Stan. Tôi có thể tự hỏi lợi ích của việc thực …
13 bayesian  mcmc 
1
Định lý Bayes với nhiều điều kiện
Tôi không hiểu làm thế nào phương trình này được bắt nguồn. P(I|M1∩M2)≤P(I)P(I′)⋅P(M1|I)P(M2|I)P(M1|I′)P(M2|I′)P(I|M1∩M2)≤P(I)P(I′)⋅P(M1|I)P(M2|I)P(M1|I′)P(M2|I′)P(I|M_{1}\cap M_{2}) \leq \frac{P(I)}{P(I')}\cdot \frac{P(M_{1}|I)P(M_{2}|I)}{P(M_{1}|I')P(M_{2}|I')} Phương trình này được lấy từ bài báo "Thử nghiệm theo Xác suất" trong đó trường hợp của OJ Simpson được đưa ra như một vấn đề mẫu. Bị cáo đang bị xét …
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookie và Chính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.