Jadi dalam pemodelan teks (tanpa pengawasan), Latent Dirichlet Allocation (LDA) adalah versi Bayesian dari Probabilistic Latent Semantic Analysis (PLSA). Intinya, LDA = PLSA + Dirichlet sebelum parameternya. Pemahaman saya adalah bahwa LDA sekarang menjadi algoritma referensi dan diimplementasikan...
Saya telah mendengar bahwa regresi ridge dapat diturunkan sebagai rata-rata distribusi posterior, jika prior dipilih secara memadai. Apakah intuisi bahwa kendala seperti yang ditetapkan pada koefisien regresi oleh sebelumnya (misalnya distribusi normal standar sekitar 0) adalah identik / ganti...
Pertanyaan dasar saya adalah: bagaimana Anda akan mengambil sampel dari distribusi yang tidak tepat? Apakah masuk akal untuk mengambil sampel dari distribusi yang tidak tepat? Komentar Xi'an di sini semacam menjawab pertanyaan itu, tetapi saya sedang mencari beberapa detail lebih lanjut tentang...
Saya ingin menggunakan distribusi untuk memodelkan pengembalian aset interval pendek dalam model bayesian. Saya ingin memperkirakan derajat kebebasan (bersama dengan parameter lain dalam model saya) untuk distribusi. Saya tahu pengembalian aset sangat tidak normal, tetapi saya tidak tahu terlalu...
Saya baru mulai belajar menggunakan Stan dan rstan. Kecuali saya selalu bingung tentang cara kerja JAGS / BUGS, saya pikir Anda selalu harus mendefinisikan distribusi jenis sebelumnya untuk setiap parameter dalam model yang akan diambil. Tampaknya Anda tidak harus melakukan ini di Stan berdasarkan...
Dalam kasus-kasus tertentu, Jeffrey sebelum untuk model multidimensi penuh pada umumnya dianggap tidak memadai, ini misalnya dalam: (di mana , dengan dan tidak diketahui) di mana prior berikut lebih disukai (ke Jeffrey penuh sebelumnya \ pi (\ mu, \ sigma) \ propto \ sigma ^ {- 2} ): p (\ mu, \...
Bagaimana seharusnya seseorang mengubah hasil yang sering menjadi Bayesian prior? Pertimbangkan skenario umum yang cukup umum: Eksperimen dilakukan di masa lalu dan hasilnya pada beberapa parameter diukur. Analisis dilakukan dengan metodologi frequentist. Interval kepercayaan untuk diberikan...
Apakah ada konjugat sebelum distribusi Laplace ? Jika tidak, adakah ungkapan bentuk tertutup yang diketahui yang mendekati posterior untuk parameter distribusi Laplace? Saya sudah googled cukup banyak dengan tidak berhasil sehingga dugaan saya saat ini adalah "tidak" pada pertanyaan di atas...
Saya ditanya pertanyaan ini dengan dalam sebuah wawancara. Apakah ada jawaban yang "benar"?( n , k ) = ( 400 , 220 )(n,k)=(400,220)(n, k) = (400, 220) Asumsikan lemparannya iid dan probabilitas kepala adalah . Distribusi jumlah head dalam 400 kali lemparan harus dekat dengan Normal (200, 10 ^ 2),...
Ketika infering presisi matriks ΛΛ\boldsymbol{\Lambda} dari distribusi normal digunakan untuk menghasilkan NNN vektor D-dimensi x1,..,xNx1,..,xN\mathbf{x_1},..,\mathbf{x_N} xi∼N(μ,Λ−1)xi∼N(μ,Λ−1)\begin{align} \mathbf{x_i} &\sim \mathcal{N}(\boldsymbol{\mu, \Lambda^{-1}}) \\ \end{align} kita...
Saya membaca tentang distribusi sebelumnya dan saya menghitung Jeffrey sebelumnya untuk sampel variabel acak yang terdistribusi normal dengan rerata tidak diketahui dan tidak diketahui. Menurut perhitungan saya, berikut ini berlaku untuk Jeffreys sebelumnya: Di sini, adalah matriks informasi...
Saya sedang mempertimbangkan ruang besar (tetapi terbatas) model kompleksitas yang berbeda yang saya jelajahi menggunakan RJMCMC . Sebelumnya pada vektor parameter untuk setiap model cukup informatif. Dalam kasus apa (jika ada) yang harus saya khawatirkan dengan paradoks Jeffreys-Lindley yang...
Selain kegunaan, apakah ada pembenaran epistemik (matematika, filosofis, heuristik, dll) untuk menggunakan prior konjugat? Atau sebagian besar hanya karena biasanya pendekatan yang cukup baik dan membuat banyak hal lebih
Mengapa bahkan memiliki prior non-informatif? Mereka tidak memberikan informasi tentang . Jadi mengapa menggunakannya? Mengapa tidak hanya menggunakan prior informatif? Misalnya, misalkan . Lalu apakah adalah non-informatif sebelum ?θ ∈ [ 0 , 1 ] θ ∼ U ( 0 , 1 ) θθθ\thetaθ ∈ [ 0 , 1 ]θ∈[0,1] \theta...
Ketika saya mengetahui tentang Jeffrey sebelum kelas inferensi statistik lulusan saya, profesor saya membuatnya terdengar seperti menarik terutama karena alasan sejarah daripada karena siapa pun akan menggunakannya. Kemudian ketika saya mengambil analisis data Bayesian, kami tidak pernah diminta...
Saya membaca bab 13 "Adventures in Covariance" dalam buku ( hebat ) Statistical Rethinking oleh Richard McElreath di mana ia menyajikan model hierarkis berikut: ( Radalah matriks korelasi) Penulis menjelaskan bahwa itu LKJcorradalah informasi yang lemah sebelum bekerja sebagai pengatur...
Saya mencoba mendapatkan sebelum Jeffrey untuk distribusi binomial negatif. Saya tidak bisa melihat di mana saya salah, jadi jika seseorang bisa membantu menunjukkan itu akan dihargai. Oke, jadi situasinya adalah ini: Saya akan membandingkan distribusi sebelumnya yang diperoleh menggunakan...
Saya menemukan gambar ini di sebuah posting blog di sini . Saya kecewa karena membaca pernyataan itu tidak menghasilkan ekspresi wajah yang sama bagi saya seperti yang terjadi pada orang ini. Jadi, apa yang dimaksud dengan pernyataan bahwa hipotesis nol adalah seberapa sering pengekspresi...
Di halaman wiki mereka , pengembang status Stan: Beberapa prinsip yang tidak kita sukai: invarian, Jeffreys, entropi Sebagai gantinya, saya melihat banyak rekomendasi distribusi normal. Sejauh ini saya menggunakan metode Bayesian yang tidak bergantung pada pengambilan sampel, dan agak senang...
Saya telah membaca Wagenmakers (2007) Sebuah solusi praktis untuk masalah meresapi nilai p . Saya tertarik dengan konversi nilai BIC menjadi faktor dan probabilitas Bayes. Namun, sejauh ini saya tidak memiliki pemahaman yang baik tentang apa sebenarnya informasi unit sebelumnya . Saya akan...