Minha pergunta geral é: por que usar em bayesglmvez de outros métodos de classificação? Nota: Estou interessado apenas em previsão. Eu tenho uma quantidade decente de dados (~ 100.000 obs). Sinto que o tamanho da amostra é grande o suficiente para que os parâmetros de uma regressão logística...
Em uma implementação do MCMC de modelos hierárquicos, com efeitos aleatórios normais e um Wishart anterior para sua matriz de covariância, a amostragem de Gibbs é normalmente usada. No entanto, se alterarmos a distribuição dos efeitos aleatórios (por exemplo, para Student-t ou outro), a conjugação...
Alguém pode explicar por que a integral na densidade posterior pode não ser "analiticamente tratável" se o anterior que escolhemos não é conjugado?
Na análise de dados bayesiana , capítulo 13, página 317, segundo parágrafo completo, nas aproximações modal e distributiva, Gelman et al. Escreva: Se o plano é resumir a inferência pelo modo posterior de [o parâmetro de correlação em uma distribuição normal bivariada], substituiríamos a...
Lembro-me de uma prova de que a teoria da probabilidade bayesiana é o único método válido para representar crenças; foi algo como representamos crença por alguma função não negativa sobre algum domínio de resultados crenças são sub-aditivas ... Portanto, a teoria da probabilidade bayesiana é a...
O livro de Kevin Murphy discute um problema bayesiano hierárquico clássico (originalmente discutido em Johnson and Albert, 1999, p24): Suponha que estamos tentando estimar a taxa de câncer em cidades. Em cada cidade, amostramos um número de indivíduos e medimos o número de pessoas com câncer ,...
Eu quero combinar dados de diferentes fontes. Digamos que eu queira estimar uma propriedade química (por exemplo, um coeficiente de particionamento ): Eu tenho alguns dados empíricos, variando devido a erro de medição em torno da média. E, em segundo lugar, eu tenho um modelo que prevê uma...
Estou tentando entender a diferença entre testar a hipótese nula (ou seja, testar se a probabilidade de um "objetivo" é a mesma em 2 populações diferentes, semelhante ao prop.test em R) um teste A / B usando uma fórmula bayesiana, como descrito aqui:
Eu tenho um modelo para obter estimativas bayesianas do tamanho da população e probabilidade de detecção em uma distribuição binomial baseada apenas no número observado de objetos observados : para . Por simplicidade, assumimos que N é fixado no mesmo valor desconhecido para cada y_i . Neste...
Como parte da reprodução de um modelo que descrevi parcialmente nesta questão no Stack Overflow, quero obter um gráfico de uma distribuição posterior. O modelo (espacial) descreve o preço de venda de algumas propriedades como uma distribuição de Bernoulli, dependendo de a propriedade ser cara (1)...
A função de probabilidade de uma distribuição lognormal é: f(x;μ,σ)∝∏ni11σxiexp(−(lnxi−μ)22σ2)f(x;μ,σ)∝∏i1n1σxiexp(−(lnxi−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 ) e o Prior de Jeffreys...
Priores não informativos são preferidos nos casos em que o viés não é aceitável (por exemplo, salas de audiências, etc.) No entanto, parece-me que faria sentido usar uma abordagem freqüentista. Por que a abordagem bayesiana tem um prévio não
Eu sou relativamente novo nas estatísticas bayesianas, por isso seja gentil. Acabei de realizar a Computação Bayesiana Aproximada (ABC) para a inferência de um modelo multiparâmetros. Agora, estou procurando executar uma verificação preditiva posterior dos parâmetros que foram inferidos. O que eu...
Costuma-se dizer que os priores nas estatísticas bayesianas podem ser considerados fatores de regularização, pois penalizam soluções onde os anteriores colocam baixa densidade de probabilidade. Então, dado esse modelo simples cujos parâmetros do MLE são: a r gm a xμ N( y; μ ,...
Eu tenho uma pergunta sobre a mistura de conjugados anteriores. Aprendi e digo a mistura de conjugados anteriores algumas vezes quando estou aprendendo bayesiano. Estou me perguntando por que esse teorema é tão importante, como vamos aplicá-lo quando estivermos fazendo uma análise bayesiana. Para...
Estou tentando entender o EM e tentando inferir parâmetros desse modelo usando essa técnica, mas estou tendo problemas para entender como começar: Então, eu tenho um modelo de regressão linear ponderada da seguinte forma, onde tenho observações e as observações correspondentes . O modelo da...
Seja a distribuição de destino em que é absolutamente continuamente escrita na medida de Lebesgue dimensional, ou seja:ππ\pi(Rd,B(Rd))(Rd,B(Rd))(\mathbb{R}^d,\mathcal{B}(\mathbb{R^d}))ddd ππ\pi admite uma densidade em
Eu tenho dados que descrevem com que frequência um evento ocorre durante uma hora ("número por hora", nph) e quanto tempo os eventos duram ("duração em segundos por hora", dph). Estes são os dados originais: nph <- c(2.50000000003638, 3.78947368414551, 1.51456310682008, 5.84686774940732,...
Eu li as respostas existentes no CrossValidated (além de outros locais on-line) e não consigo encontrar o que estou procurando, mas, por favor, aponte-me para as fontes existentes, caso as tenha perdido. Digamos que eu tenho um conjunto de dados de N = 1000 registros, cada um dos quais pode ser...
Fiquei me perguntando se existe um subconjunto de tópicos de estatística freqüentista que se deve saber antes de começar a aprender estatística bayesiana. Uma vez eu li que parece que as duas tendências são antagônicas; como por exemplo, a análise freqüentista é fortemente baseada em suposições...