bayesian

    0熱度

    1回答

    我寫一個WinBUGS軟件代碼貝葉斯統計問題: 考慮下面的模型,該模型考慮到一個事實,即VIX(第一個變量)的方差提供信息SP500(第二變量)和事實,即$ Y_t 2 -S $和$ Y_t^V $可以是相關的: 該模型是在http://i.stack.imgur.com/qMHdq.png 對於t $ = 1,\ ldots,$ 200,其中$ \ rho $反映了$ Y_t^S $和$ Y_t

    0熱度

    1回答

    假設我有來自同一薄荷的10個硬幣,每次翻轉它們50次,現在我想估計薄荷的偏差以及所有硬幣的個體偏差。 我想這樣做的方法是這樣的: # Generate a list of 10 arrays with 50 flips in each test = [bernoulli.rvs(0.5, size=50) for x in range(10)] with pm.Model() as test

    0熱度

    1回答

    我試圖來計算貝葉斯與結果從fit.m 根據維基百科,數似然可以近似(當噪聲~N(0,sigma^2))爲: L = -(n/2)*log(2*pi*sigma^2) - (rss(2*sigma^2)) 其中n爲樣本的數量,K爲自由參數的數目,和RSS作爲殘差平方和和BIC被定義爲: -2*L + k*log(n) 但是,這是從fitglm有點不同.m結果甚至對於簡單的多項式模型和差異似乎

    0熱度

    1回答

    目前,我通過在RStudio幫助文件,其中包含下面的示例上述工作: ## ## rbprobitGibbs example ## if(nchar(Sys.getenv("LONG_TEST")) != 0) {R=2000} else {R=10} set.seed(66) simbprobit = function(X,beta) { ## function to si

    0熱度

    1回答

    我正在複製貝葉斯分析的R代碼,但我得到了這個錯誤,我試圖解決它,也讀這裏的其他問題,但它仍然無法正常工作。 我使用相同的數據集和相同的變量(來自OECD)。誰能告訴我爲什麼它不起作用? 我的代碼是這樣的: rm(list=ls()) # Name of variables to be extracted v.resp=c("pv1math") # Response Variable v.tr

    0熱度

    1回答

    我組建了一個模型中JAGS爲UScrime數據的層次迴歸(從庫(MASS)包運行代碼。犯罪率作爲響應,用15個預測因子。 我在我的代碼中的一些錯誤,我無法彌補 JAGS型號: model{ for (i in 1:m){ for (j in 1:47){ y[j]~dnorm(beta[i,1]+beta[i,2]*x[j]+beta[i,3]*x[j]+beta

    0熱度

    1回答

    我想繪製隨機偏離的分佈,我不知道標準化常數。分佈是具有未知形狀和尺度= 1的伽馬可能性之前的共軛。該PDF是在這裏https://en.wikipedia.org/wiki/Conjugate_prior#Table_of_conjugate_distributions維基百科給出 有這個PDF的積分沒有封閉的形式。在這裏使用scipy.stats.rv_continuous選項?如果沒有,還有什

    2熱度

    1回答

    我正在使用RJAGS構建分層貝葉斯線性迴歸模型,並且我想約束三個參數值的總和,使其平均值爲1.3。那就是: 的模型是: Y = B1 * X1 + B2 * X2 + B3 * X3 + ... + BN * XN 而且, B1 + B2 + B3〜dnorm(1.3,1 /(0.2)^ 2) 有沒有可能這樣做?使用一行代碼來分配上一行中的參數總和似乎不起作用。 第二個最好的選擇是完全約束參數(B

    -3熱度

    1回答

    我有具有客戶信息和最後一類的數據集示例中的一個是以下各項 key message final category 1 i want customer care no i want to talk with ur team other 2 hi I 9986443603cjhh had qkuiv1uhqllljqvocally q illgi vq noclass

    0熱度

    1回答

    我設置了一個樸素貝葉斯分類器,試圖確定兩個五個字符串屬性記錄之間的相同性。我只準確地比較每對屬性(即,使用java .equals()方法)。我有一些訓練數據,包括TRUE和FALSE情況,但現在我們只關注TRUE情況。 假設有一些TRUE培訓案例,所有五個屬性都不相同。這意味着每個比較器都會失敗,但是經過一些人類評估後,記錄實際上被確定爲「相同」。 這個訓練案例應該輸入樸素貝葉斯分類器嗎?一方面