Às vezes, na literatura, esbarro na observação de que a escolha de anteriores que dependem dos dados em si (por exemplo, Zellners g-prior) pode ser criticada do ponto de vista teórico. Onde exatamente está o problema se o prior não for escolhido independentemente dos
Costuma-se argumentar que a estrutura bayesiana tem uma grande vantagem na interpretação (sobre frequentista), porque calcula a probabilidade de um parâmetro dado os dados - vez de como no exemplo quadro freqüentista. Por enquanto, tudo bem.p ( x | θ )p ( θ | x )p(θ|x)p(\theta|x)p ( x | θ...
Meu entendimento do debate bayesiano x frequentista é que as estatísticas freqüentistas: é (ou afirma ser) objetivo ou pelo menos imparcial pesquisadores tão diferentes, usando suposições diferentes ainda podem obter resultados quantitativamente comparáveis enquanto estatísticas...
Essa é uma pergunta muito simples, mas não consigo encontrar a derivação em nenhum lugar da internet ou de um livro. Gostaria de ver a derivação de como um bayesiano atualiza uma distribuição normal multivariada. Por exemplo: imagine que P(x|μ,Σ)P(μ)==N(μ,Σ)N(μ0,Σ0).P(x|μ,Σ)=N(μ,Σ)P(μ)=N(μ0,Σ0)....
É verdade que, para duas variáveis aleatórias e ,AAABBB E(A∣B)=E(B∣A)E(A)E(B)?E(A∣B)=E(B∣A)E(A)E(B)?E(A\mid B)=E(B\mid
Qual é um bom livro sobre filosofia bayesiana, contrastando subjetivistas contra objetivistas, explicando a visão da probabilidade como estado do conhecimento nas estatísticas bayesianas, etc.? Talvez o livro de Savage? No começo, pensei que Berger (1986) poderia funcionar, mas não é o que estou...
Eu realmente quero aprender sobre técnicas bayesianas, por isso tenho tentado me ensinar um pouco. No entanto, estou tendo dificuldade em ver quando o uso de técnicas bayesianas confere uma vantagem sobre os métodos freqüentistas. Por exemplo: eu vi na literatura um pouco sobre como alguns usam...
Na fórmula de Bayes: P( x | a ) = P( a | x ) P( X )P( Um )P(x|uma)=P(uma|x)P(x)P(uma)P(x|a) = \frac{P(a|x) P(x)}{P(a)} a probabilidade posterior P( x | a )P(x|uma)P(x|a) pode exceder 1? Eu acho que é possível se, por exemplo, supondo que 0 < P( Um ) < 10 0<P(uma)<10 < P(a) < 1 , e P(...
Bloqueado . Esta pergunta e suas respostas estão bloqueadas porque a questão está fora do tópico, mas tem um significado histórico. No momento, não está aceitando novas respostas ou interações. Eu comprei este livro: Como medir qualquer coisa: encontrar o valor dos...
Estou procurando um bom tutorial sobre como agrupar dados Rusando o processo hierárquico de dirichlet (HDP) (um dos métodos bayesianos não paramétricos recentes e populares). Existe DPpackage(IMHO, o mais abrangente de todos os disponíveis) Rpara análise bayesiana não paramétrica. Mas não consigo...
Alguém escreveu uma breve pesquisa sobre as várias abordagens estatísticas? Para uma primeira aproximação, você tem estatísticas freqüentistas e bayesianas. Mas quando você olha mais de perto, também tem outras abordagens, como Bayes, verossimilhança e empírica. E então você tem subdivisões dentro...
Meu entendimento do algoritmo é o seguinte: No U-Turn Sampler (NUTS) é um método Hamiltoniano de Monte Carlo. Isso significa que não é um método da cadeia de Markov e, portanto, esse algoritmo evita a parte do passeio aleatório, que geralmente é considerado ineficiente e lento para convergir. Em...
Com um plano prévio, os estimadores ML (freqüentista - máxima verossimilhança) e MAP (bayesiano - máxima a posteriori) coincidem. De maneira mais geral, porém, estou falando de estimadores de pontos derivados como otimizadores de alguma função de perda. Ou seja, (Bayesian) x (x^(. ) = argminE (...
É sabido que a regressão linear com uma penalidade de é equivalente a encontrar a estimativa de MAP dada uma Gaussiana antes dos coeficientes. Da mesma forma, usar uma penalidade de é equivalente a usar uma distribuição de Laplace como a anterior.eu2eu2l^2eu1eu1l^1 Não é incomum usar alguma...
Atualmente, tento entender o Princípio da Probabilidade e, sinceramente, não entendo nada. Então, vou escrever todas as minhas perguntas como uma lista, mesmo que sejam perguntas bem básicas. O que exatamente significa "toda a informação" no contexto deste princípio? (como em todas as informações...
Ao usar a modelagem de tópicos (Alocação de Dirichlet Latente), o número de tópicos é um parâmetro de entrada que o usuário precisa especificar. Parece-me que também devemos fornecer uma coleção de tópicos de candidatos que o processo Dirichlet tem de provar? Meu entendimento está correto? Na...
Robby McKilliam diz em um comentário a este post: Deve-se ressaltar que, do ponto de vista dos freqüentadores, não há razão para que você não possa incorporar o conhecimento prévio ao modelo. Nesse sentido, a visão frequentista é mais simples, você só tem um modelo e alguns dados. Não há...
Se tivermos um tamanho pequeno de amostra, a distribuição anterior influenciará muito a distribuição
Estima-se que os estimadores de regressão penalizados, como LASSO e cume, correspondam aos estimadores bayesianos com certos antecedentes. Eu acho (como eu não sei o suficiente sobre estatísticas bayesianas) que, para um parâmetro de ajuste fixo, existe um prévio concreto correspondente. Agora, um...
Como calcular o posterior com um N ~ (a, b) anterior após observar n pontos de dados? Suponho que tenhamos que calcular a média e a variação da amostra dos pontos de dados e fazer algum tipo de cálculo que combine o posterior com o anterior, mas não tenho muita certeza de como é a fórmula da...