Contexto: No exemplo de 8 escolas de Gelman (Bayesian Data Analysis, 3ª edição, cap. 5.5), existem oito experimentos paralelos em 8 escolas testando o efeito do coaching. Cada experimento produz uma estimativa da eficácia do treinamento e do erro padrão associado. Os autores então constroem um...
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 (...
Estou repostando uma "resposta" a uma pergunta que eu havia feito há duas semanas atrás: Por que o Jeffreys é útil antes? Era realmente uma pergunta (e eu também não tinha o direito de postar comentários), então espero que esteja tudo bem fazer isso: No link acima, é discutido que a característica...
Esta pergunta é um acompanhamento técnico desta pergunta . Tenho dificuldade em entender e replicar o modelo apresentado em Raftery (1988): Inferência para o binômio NNN parâmetro : uma abordagem hierárquica de Bayes no WinBUGS / OpenBUGS / JAGS. Não se trata apenas de código, portanto, ele deve...
Estou tentando implementar o algoritmo MCMC hit and run, mas estou com um pouco de dificuldade para entender como fazê-lo. A ideia geral é a seguinte: Para gerar um salto de proposta no MH, nós: Gere uma direção partir de uma distribuição na superfície da esfera unitáriadddOO\mathcal{O}...
A computação bayesiana aproximada é uma técnica muito interessante para ajustar basicamente qualquer modelo estocástico, destinado a modelos em que a probabilidade é intratável (por exemplo, você pode fazer uma amostra do modelo se fixar os parâmetros, mas não puder calcular numericamente,...
Eu conheço três métodos para fazer estimativa de parâmetros, ML, MAP e Bayes. E para a abordagem MAP e Bayes, precisamos escolher os anteriores para os parâmetros, certo? Digamos que eu tenho esse modelo , no qual são parâmetros, para fazer a estimativa usando MAP ou Bayes, li no livro que é...
Estou procurando informações preliminares não informativas para a distribuição beta para trabalhar com um processo binomial (acerto / acerto). No começo, pensei em usar α=1,β=1α=1,β=1\alpha=1, \beta=1 que gera um PDF uniforme ou Jeffrey antes de α=0.5,β=0.5α=0.5,β=0.5\alpha=0.5, \beta=0.5 . Mas, na...
Essa questão foi inspirada em duas interações recentes que eu tive, uma aqui no CV , a outra na economics.se. Lá, eu havia postado uma resposta no conhecido "Paradoxo do Envelope" (lembre-se, não como a "resposta correta", mas como a resposta decorrente de suposições específicas sobre a estrutura...
Eu tenho usado o MCMCglmmpacote recentemente. Estou confuso com o que é referido na documentação como estrutura R e estrutura G. Eles parecem estar relacionados aos efeitos aleatórios - em particular especificando os parâmetros para a distribuição anterior sobre eles, mas a discussão na...
Em seu artigo amplamente citado, distribuições anteriores para parâmetros de variância em modelos hierárquicos (916 citação até agora no Google Scholar) Gelman propõe que boas distribuições prévias não informativas para a variação em um modelo bayesiano hierárquico são a distribuição uniforme e a...
Dadas duas matrizes x e y, ambas de comprimento n, ajustei um modelo y = a + b * x e quero calcular um intervalo de confiança de 95% para a inclinação. Este é (b - delta, b + delta) onde b é encontrado da maneira usual e delta = qt(0.975,df=n-2)*se.slope e se.slope é o erro padrão na inclinação....
Como estudante de física, experimentei a palestra "Por que sou bayesiano", talvez meia dúzia de vezes. É sempre a mesma coisa - o apresentador explica presunçosamente como a interpretação bayesiana é superior à interpretação freqüentista supostamente empregada pelas massas. Eles mencionam a regra...
Eu li que na regra de Bayes, o denominador dePr(data)Pr(data)\Pr(\textrm{data}) Pr(parameters∣data)=Pr(data∣parameters)Pr(parameters)Pr(data)Pr(parameters∣data)=Pr(data∣parameters)Pr(parameters)Pr(data)\Pr(\text{parameters} \mid \text{data}) = \frac{\Pr(\textrm{data} \mid \textrm{parameters})...
Depois de ler esta postagem no blog sobre modelos estruturais de séries temporais bayesianas, eu queria analisar isso no contexto de um problema para o qual eu havia usado o ARIMA anteriormente. Eu tenho alguns dados com alguns componentes sazonais conhecidos (mas barulhentos) - existem...
Tenho uma vaga noção do que é um método de passagem de mensagens: um algoritmo que constrói uma aproximação a uma distribuição, construindo iterativamente aproximações de cada um dos fatores da distribuição, condicionadas a todas as aproximações de todos os outros fatores. Acredito que ambos são...
Atualmente, estou lendo sobre Métodos Bayesianos em Evolução Molecular de Computação por Yang. Na seção 5.2, fala sobre priores e, especificamente, Não informativo / plano / vago / difuso, conjugado e hiperpriores. Isso pode estar exigindo uma simplificação excessiva, mas alguém poderia explicar...
Para um dado problema de inferência, sabemos que uma abordagem bayesiana geralmente difere na forma e nos resultados de uma abordagem fequentista. Os freqüentistas (geralmente me incluem) frequentemente apontam que seus métodos não requerem um prévio e, portanto, são mais "orientados a dados" do...
Tenho um problema para entender por que a inferência bayesiana leva a problemas intratáveis. O problema é frequentemente explicado assim: O que não entendo é por que essa integral precisa ser avaliada em primeiro lugar: parece-me que o resultado da integral é simplesmente uma constante de...
Foi-nos solicitado por um revisor que forneça valores p para melhor entender as estimativas do modelo em nosso modelo multinível bayesiano. O modelo é um modelo típico de múltiplas observações por participante em um experimento. Nós estimamos o modelo com Stan, para que possamos calcular facilmente...