Considere a perda quadrática , com o dado previamente que . Seja a probabilidade. Encontre o estimador de Bayes .L(θ,δ)=(θ−δ)2L(θ,δ)=(θ−δ)2L(\theta,\delta)=(\theta-\delta)^2π(θ)π(θ)\pi(\theta)π(θ)∼U(0,1/2)π(θ)∼U(0,1/2)\pi(\theta)\sim
Atualmente, estou vendo um artigo do modelo de efeitos aleatórios do processo Dirichlet e a especificação do modelo é a seguinte: que é o parâmetro de escala e é a medida base. Posteriormente, sugere que integremos uma função sobre a medida base , como A medida base no processo Dirichlet é um cdf...
Fechado . Esta pergunta precisa de detalhes ou clareza . No momento, não está aceitando respostas. Deseja melhorar esta pergunta? Adicione detalhes e esclareça o problema editando esta postagem . Fechado há 3 anos . Pelo que li e pelas respostas a outras...
Estou lendo o documento on-line de detecção de ponto de mudança bayesiano de Adams e MacKay ( link ). Os autores começam escrevendo a distribuição preditiva marginal: em queP(xt+1|x1:t)=∑rtP(xt+1|rt,x(r)t)P(rt|x1:t)(1)P(xt+1|x1:t)=∑rtP(xt+1|rt,xt(r))P(rt|x1:t)(1) P(x_{t+1} | \textbf{x}_{1:t}) =...
Os estatísticos bayesianos sustentam que "a estatística bayesiana pode estimar parâmetros que são muito difíceis de estimar através de métodos freqüentes". A seguinte citação retirada desta documentação do SAS diz a mesma coisa? Ele fornece inferências que dependem dos dados e são exatas, sem...
Estou tentando implementar o modelo de Mistura Gaussiana com inferência variacional estocástica, seguindo este artigo . Este é o pgm da mistura gaussiana. De acordo com o artigo, o algoritmo completo de inferência variacional estocástica é: E ainda estou muito confuso sobre o método para...
Eu tenho uma pergunta geralmente básica a fazer aqui que me preocupa há algum tempo. Durante a maior parte da minha leitura de estatísticas bayesianas, ele afirmou com naturalidade que a probabilidade marginal é muitas vezes intratável ou difícil de estimar. Por quê? Os motivos frequentemente...
Estou lendo esta pré-impressão do artigo e estou tendo dificuldades em seguir a derivação das equações para a regressão de processo gaussiana. Eles usam a configuração e notação de Rasmussen & Williams . Assim, o ruído aditivo, com média zero, estacionário e normalmente distribuído com variação...
Ao avaliar um estimador, os dois critérios usados provavelmente mais comuns são o risco máximo e o risco de Bayes. Minha pergunta se refere à última: O risco de bayes sob o anterior é definido da seguinte forma:ππ\pi Bπ(θ^)=∫R(θ,θ^)π(θ)dθBπ(θ^)=∫R(θ,θ^)π(θ)dθB_{\pi} (\hat{\theta}) = \int...
Eu sei que o prior de Zellner está usando dados para definir informações anteriores, mas, na verdade, todo o modelo depende dos dados. Existe algum outro
Exemplos: Eu tenho uma frase na descrição do trabalho: "Java senior engineer in UK". Eu quero usar um modelo de aprendizado profundo para prever em duas categorias: English e IT jobs. Se eu usar o modelo de classificação tradicional, ele poderá prever apenas 1 rótulo com softmaxfunção na última...
Questão: Um mal - entendido comum dos valores-p é que eles representam a probabilidade da hipótese nula ser verdadeira. Sei que isso não está correto e sei que os valores p representam apenas a probabilidade de encontrar uma amostra tão extrema quanto essa, uma vez que a hipótese nula é...
Eu tenho um conjunto de dados com três variáveis, onde todas as variáveis são quantitativas. Vamos chamá-lo de , e . Estou ajustando um modelo de regressão em uma perspectiva bayesiana via MCMC comx 1 x 2yyyx1x1x_1x2x2x_2rjags Fiz uma análise exploratória e o gráfico de dispersão de sugere que...
Considere o gráfico abaixo no qual simulei os dados da seguinte maneira. Observamos um resultado binário para o qual a verdadeira probabilidade de ser 1 é indicada pela linha preta. A relação funcional entre uma covariável e é 3 polinomial ordem com ligação logístico (por isso é não linear num modo...
Casella e Berger declaram a propriedade de invariância do estimador de ML da seguinte maneira: No entanto, parece-me que eles definem a "probabilidade" de ηη\eta de uma maneira completamente ad hoc e sem sentido: Se eu aplicar regras básicas da teoria das probabilidades ao caso simples...
No artigo chamado Aprendizagem Profunda e o Princípio do Gargalo de Informações, os autores declaram na seção II A) o seguinte: Neurônios únicos classificam apenas entradas linearmente separáveis, pois podem implementar apenas hiperplanos em seu espaço de entrada . Os hiperplanos podem...
Recentemente, assisti a essa palestra de Eric J. Ma e verifiquei sua entrada no blog , onde ele cita Radford Neal, que os modelos bayesianos não se ajustam demais (mas podem se ajustar demais ) e, ao usá-los, não precisamos de conjuntos de testes para validá-los (por as aspas parecem falar bastante...
Defina X:=X:=X:= "a moeda tem probabilidade 1 de pousar cabeças" Suponha que alguém tenha a crença anterior: P(X)=1P(X)=1P(X)= 1 . No entanto, depois de jogar a moeda, uma vez que ela cai na coroa ( E:=E:=E:= "coroa caiu na moeda"). Como um bayesiano deve atualizar suas crenças para permanecer...
A definição mais simples de uma estatística suficiente na perspectiva freqüentista é dada aqui na Wikipedia . No entanto, recentemente me deparei em um livro bayesiano, com a definição . É declarado no link que ambos são equivalentes, mas não vejo como. Além disso, na mesma página, na seção «Outros...
Isso pode ser um pouco de uma pergunta filosófica, mas aqui vamos nós: Na teoria da decisão, o risco de um estimador de Bayes para é definido com relação a uma distribuição anterior on .θ∈q¸qθ^( X )θ^(x)\hat\theta(x)θ ∈ Θθ∈Θ\theta\in\Thetaππ\piΘΘ\Theta Agora, por um lado, para que o verdadeiro...