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.

3
Tìm phân phối và chuyển đổi sang phân phối bình thường
Tôi có dữ liệu mô tả tần suất một sự kiện diễn ra trong một giờ ("số lượng mỗi giờ", nph) và thời gian các sự kiện kéo dài ("thời gian tính bằng giây mỗi giờ", dph). Đây là dữ liệu gốc: nph <- c(2.50000000003638, 3.78947368414551, 1.51456310682008, 5.84686774940732, 4.58823529414907, 5.59999999993481, …
8 normal-distribution  data-transformation  logistic  generalized-linear-model  ridge-regression  t-test  wilcoxon-signed-rank  paired-data  naive-bayes  distributions  logistic  goodness-of-fit  time-series  eviews  ecm  panel-data  reliability  psychometrics  validity  cronbachs-alpha  self-study  random-variable  expected-value  median  regression  self-study  multiple-regression  linear-model  forecasting  prediction-interval  normal-distribution  excel  bayesian  multivariate-analysis  modeling  predictive-models  canonical-correlation  rbm  time-series  machine-learning  neural-networks  fishers-exact  factorisation-theorem  svm  prediction  linear  reinforcement-learning  cdf  probability-inequalities  ecdf  time-series  kalman-filter  state-space-models  dynamic-regression  index-decomposition  sampling  stratification  cluster-sample  survey-sampling  distributions  maximum-likelihood  gamma-distribution 
2
Sự khác biệt toán học giữa việc sử dụng một cách tiếp cận không thông tin trước và một cách tiếp cận thường xuyên là gì?
Các linh mục không có thông tin được ưu tiên trong các trường hợp không chấp nhận sự thiên vị (ví dụ: phòng xử án, v.v.) Tuy nhiên, đối với tôi, nó chỉ có ý nghĩa khi sử dụng một cách tiếp cận thường xuyên thay thế. Tại sao cách …
1
Lấy mật độ sau cho khả năng logic bất thường và trước đó của Jeffreys
Hàm khả năng của phân phối logic là: f( X ; μ , σ) Alpha pinTôi11σxTôiđiểm kinh nghiệm( - ( lnxTôi- μ )22 σ2)f(x;μ,σ)αΠTôi1n1σxTôiđiểm kinh nghiệm⁡(-(ln⁡xTôi-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 ) và Ưu tiên của Jeffreys là: p ( …
1
Là gần đúng hoặc xấp xỉ lưới của tôi không chính xác: quyết định giữa các ước tính lượng tử mâu thuẫn trong suy luận Bayes
Tôi có một mô hình để đạt Bayesian ước tính quy mô dân số NNN và khả năng phát hiện θθ\theta trong một phân phối nhị thức chỉ dựa trên số lượng quan sát của các đối tượng quan sát yyy : p(N,θ|y)∝Bin(y|N,θ)Np(N,θ|y)∝Bin(y|N,θ)N p(N,\theta|y)\propto \frac{ \text{Bin}(y|N,\theta)}{N} N{N|N∈Z∧N≥max(y)}×(0,1){N|N∈Z∧N≥max(y)}×(0,1) \left\{N|N\in\mathbb{Z}\land N\ge \max(y)\right\}\times(0,1) …
1
Kết hợp dữ liệu từ các nguồn khác nhau
Tôi muốn kết hợp dữ liệu từ các nguồn khác nhau. Giả sử tôi muốn ước tính một thuộc tính hóa học (ví dụ: hệ số phân vùng ): Tôi có một số dữ liệu thực nghiệm, thay đổi do lỗi đo lường xung quanh giá trị trung bình. Và, …
1
Không liên hợp trước
Ai đó có thể giải thích tại sao tích phân trong mật độ sau có thể không "dễ phân tích" nếu trước đó chúng ta chọn là không liên hợp?
8 bayesian 
1
Tại sao nên sử dụng bayesglm?
Câu hỏi tổng thể của tôi là: tại sao sử dụng bayesglmthay vì các phương pháp phân loại khác? Ghi chú: Tôi chỉ quan tâm đến dự đoán. Tôi có một lượng dữ liệu kha khá (~ 100.000 obs). Tôi cảm thấy như cỡ mẫu đủ lớn, các tham số …
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.