w*******9
发帖数: 1433 | 1 其实google一下就会有很多信息。我这给一个茶馆闲聊级别的解释。
Bayesian: 在经典的参数估计里，参数(比如A)被当成一个固定的数，一般用极大似然
来估计；Bayesian的起源是想利用已有的信息(prior information)结合观察到的数据
得到"更“准确的信息。比如在你观察数据前就知道A大概位于3-4之间，那么有理由相
信这个prior information会使得你的估计更精确。具体到实现上，就是你得假设A是个
随机变量并且服从某个分布，比如[3,4]上的均匀分布，在结合数据的conditional
likelihood, 可以算出A的posterior分布。从统计上来讲，你知道了A的分布，你就知
道了A的一切信息。比如可以用posterior distribution的mode or mean作为A的点估计
，也可进一步根据quantile得到credible interval。
Non-parametric Bayesian: 我的理解是在A是个函数时(比如A就是个未知的分布函数),
这时我们要指定这个函数是怎么分布的(比如我提出这个随机函数可能取值于某个大... 阅读全帖 |
|
e*******e
发帖数: 1144 | 2 Bayesian Optimization实际上是比较奇怪的东西
因为真正的Bayesian不应该做Optimization
具体如下(个人见解)：
==========================================================
是否使用prior不是区分Bayesian和Frequentist的关键
他们真正的区别是 是否相信存在一个（未知的）真参数
Bayesian把likelihood和prior放一起作为参数的posterior
Frequentist把lost和regularization penalty放一起作为参数的regularized loss
这两个框架基本是一一对应的：
一个likelihood对一个lost
一个prior对一个regularization penalty
而Bayesian和Frequentist真正的区别是之后做什么
Bayesian假设不存在“真正”的参数（比如你要估计那个均值\mu），只有一个
posterior distribution over \mu。所以真正的Bayesian不会去做MAP(M |
|
h*i
发帖数: 3446 | 3 搞认知科学的要熟悉学科历史才行，否则不明白各种学说的来龙去脉，容易产生错误认
识。
Bayesian的心理模型在八十年代左右被认为是失败了，这是为什么现在的“普通的心理
学家并不清楚怎么构造一个bayes net”的原因，没有很多人愿意花功夫在失败的理论
上面。被认为失败的原因主要是基于Tversky, Kaheman等人的工作， 发现人的判断推
理过程不符合Bayes定理，而是有一些biases的, 这两人因此获得了经济学炸药奖。在
那以后，认知心理学里面的一个流行的事情就是找出一种又一种的bias来。
好了，现在为什么Bayesian模型又有抬头之势呢？一个就是很多人对biases很厌倦了，
层出不穷的biases搞得好像人的思维完全就是irrational的，没有什么理论能解释一样
，这和心理学的宏大科学目标也不合拍。所以有些心理学家又开始搞Bayesian模型了，
特别是一些年轻人，比如Griffiths, Tenenbaum等人，都经常在NIPS之类的会上灌水的
。第二个原因和Bayesian在ML流行一样，就是计算技术发展使得Bayesian模型有了可行
性。
但是，Bay... 阅读全帖 |
|
g**r
发帖数: 425 | 4 不仅仅是“主观”，“客观”的问题，即便是撇开“主观”，BAYESIAN还是有现实基础
的：
在FREQENTIST看来，参数是有一个“真实值”的，当然你可以说这个“真实”就是客观
；但从另一个角度来说，这个所谓真实同时也有一个确定、恒常的味道。
而在BAYESIAN看来，这个参数本身还是个随机变量，它的值是服从一个特定的分布的。
把一个无法确知的参数看作是一个随机的变量，显然要FLEXIBLE的多。而当这个随机变
量的分别是一个点的时候，这二者所得的结果，也就是一致的。虽然传统的解释不同，
但FREQUENTIST也就是BAYESIAN的一个特例。
我觉得BAYESIAN现在还没有被普遍接受 （FDA也把它列为LESS UNDERSTOOD的方法），
我觉得还是近代BAYESIAN里面还没有一个真正的大家。当然著名的BAYESIAN统计学家还
是有的，但是贡献、重量级还都不够--要有个FISHER，或至少是NEYMAN这个重量级的人
出来，把这个理论到实践从头梳理一下，乃至更系统化的应用在至少一个领域里，而且
给这个领域带来真正的DIFFERENCE（比如FISHER在基因学里面的贡献 |
|
m*****n
发帖数: 1513 | 5 【 以下文字转载自 Military 讨论区 】
发信人: mitcoin (米特币), 信区: Military
标 题: BBC：Bayesian Stat.可找MH370，曾成功找到法航残骸
发信站: BBS 未名空间站 (Sat Mar 22 11:06:03 2014, 美东)
MH370 Malaysia plane: How maths helped find an earlier crash
Statisticians helped locate an Air France plane in 2011 which was missing
for two years. Could mathematical techniques inspired by an 18th Century
Presbyterian minister be used to locate the mysterious disappearance of
Malaysia Airlines Flight MH370?
In June 2009, Air France flight 447 went m... 阅读全帖 |
|
c****t
发帖数: 19049 | 6 gelman的bda是大号经典没错但是出了名的难读难懂。等你从别的地方全学会了回头拿
这当reference可以。没基础的话看看jeff gill的bayesian methods吧
其实找工作刷题才是王道(不只是leetcode)，进工业界干活不用懂这么多。多讨论面试
题更有用。统计版不让讨论面试题也是我开此版的主要原因之一。
另外mcmc是从理论物理来的。跟统计一根毛的关系都没有。真想学懂直接看yann lecun
有关energy based models的东东也许能明白的更快一些。我一向认为灌统计水的大谈
特谈bayesian,扯神马frequenists vs. bayesian probability，神马prior,
postorior,就是为了掩盖mcmc根本不是统计创造发明出来的事实。一般人从神马prior,
posteriror啊，bayesian probability啊学起，等你学到mcmc时早迷糊了。也就不会
多问了
mcmc是跟传统的maximum likelihood完全不同的体系。maximum likelihood说简单点就
是做优化。优化的思路就是求... 阅读全帖 |
|
c****t
发帖数: 19049 | 7 gelman的bda是大号经典没错但是出了名的难读难懂。等你从别的地方全学会了回头拿
这当reference可以。没基础的话看看jeff gill的bayesian methods吧
其实找工作刷题才是王道(不只是leetcode)，进工业界干活不用懂这么多。多讨论面试
题更有用。统计版不让讨论面试题也是我开此版的主要原因之一。
另外mcmc是从理论物理来的。跟统计一根毛的关系都没有。真想学懂直接看yann lecun
有关energy based models的东东也许能明白的更快一些。我一向认为灌统计水的大谈
特谈bayesian,扯神马frequenists vs. bayesian probability，神马prior,
postorior,就是为了掩盖mcmc根本不是统计创造发明出来的事实。一般人从神马prior,
posteriror啊，bayesian probability啊学起，等你学到mcmc时早迷糊了。也就不会
多问了
mcmc是跟传统的maximum likelihood完全不同的体系。maximum likelihood说简单点就
是做优化。优化的思路就是求... 阅读全帖 |
|
m*****n
发帖数: 1513 | 8 MH370 Malaysia plane: How maths helped find an earlier crash
Statisticians helped locate an Air France plane in 2011 which was missing
for two years. Could mathematical techniques inspired by an 18th Century
Presbyterian minister be used to locate the mysterious disappearance of
Malaysia Airlines Flight MH370?
In June 2009, Air France flight 447 went missing flying from Rio de Janeiro
in Brazil to Paris, France.
Debris from the Airbus A330 was found floating on the surface of the
Atlantic five d... 阅读全帖 |
|
P*********t
发帖数: 4451 | 9 【 以下文字转载自 Quant 讨论区 】
发信人: echostate (AI), 信区: Quant
标 题: Re: 什么是bayesian optimization?
发信站: BBS 未名空间站 (Tue Mar 23 12:08:15 2010, 美东)
Bayesian Optimization实际上是比较奇怪的东西
因为真正的Bayesian不应该做Optimization
具体如下(个人见解)：
==========================================================
是否使用prior不是区分Bayesian和Frequentist的关键
他们真正的区别是 是否相信存在一个（未知的）真参数
Bayesian把likelihood和prior放一起作为参数的posterior
Frequentist把lost和regularization penalty放一起作为参数的regularized loss
这两个框架基本是一一对应的：
一个likelihood对一个lost
一个prior对一个regularization p |
|
T*********n
发帖数: 1361 | 10 汗死了。上个月刚写完了Bernoulli Naive Bayesian 和 Multinomial Naive
Bayesian。不过我很怀疑Bayesian Model在categorical 数据上的表现。lz为啥不考虑
下其他的模型呢。正如版上某id提示过，Bayesian大概用来做文本分类不错，区分红楼
梦前面后面是不是一个作者那种。（提示了我，也许ml都不需要，lz的问题t-test就足
够了。。。。）
如果一定要用Bayesian，还必须要选取比较好的feature, 因为该模型对feature的
噪声很敏感。。。 |
|
w*****n
发帖数: 375 | 11 你对Bayesian 了解得不够，说的不对。
Bayesian 比 frequentist 出现得早。 从符合人类思考的角度来说，Bayesian
inference 更加自然。只是因为计算能力的问题，有一段时间Bayesian methods 比
frequentist 发展的慢。
Bayesian inference 没有你说的那么简单。MCMC 比 bootstrap, EM 要复杂， 需要考
虑的东西很多。
interval |
|
t******g
发帖数: 2253 | 12 I think from an inference perspective, I prefer Bayesian inference more. The
likelihood principle and some other principles really make sense. But in
frequentist inference, these principle doesn't hold. Also, Bayesian is not
only MCMC and there are many things in Bayesian statistics. Personally I
like the philosophical foundation of Bayesian statistics. Why don't we learn
from both frequentis and Bayesian. Many famous professors, in my opinion,
are people that are pragmatic. No matter frequetist |
|
t******g
发帖数: 2253 | 13 看你贝叶斯大概想了解到什么程度。
偏应用的话，Gelman等人有本Bayesian data analysis，可以看下。
Bayesian nonparametrics比较复杂，这个我觉得你先不用管。这个大体意思是prior在
functional space上。
我对楼主的建议是先看下统计方面的书。比较推荐Berger and Casella那本关于
statistical inference的书。那本也会讲到些关于bayesian方面。接下来可以看
Bayesian Data Analysis by Gelman，大体就是了解下MCMC，Gibbs Sampling。
Bayesian Nonparamreics不用太管，如果真想了解，可以先了解下Dirichlet Process。 |
|
t******g
发帖数: 2253 | 14 看你贝叶斯大概想了解到什么程度。
偏应用的话，Gelman等人有本Bayesian data analysis，可以看下。
Bayesian nonparametrics比较复杂，这个我觉得你先不用管。这个大体意思是prior在
functional space上。
我对楼主的建议是先看下统计方面的书。比较推荐Berger and Casella那本关于
statistical inference的书。那本也会讲到些关于bayesian方面。接下来可以看
Bayesian Data Analysis by Gelman，大体就是了解下MCMC，Gibbs Sampling。
Bayesian Nonparamreics不用太管，如果真想了解，可以先了解下Dirichlet Process。 |
|
p*e
发帖数: 6785 | 15 【 以下文字转载自 Military 讨论区 】
发信人: onetiemyshoe (onetiemyshoe), 信区: Military
标 题: 哀悼胡耀邦： BAYESIAN MODEL
发信站: BBS 未名空间站 (Fri Nov 20 23:00:07 2015, 美东)
一个人看另一个人，或者看任何东西，
至少有两个ALGORITHM。
1. 极端ALGORITHM：爱之欲其生，
恶之欲其死。 今天是挚爱，明天是仇敌。
2. BAYESIAN ALGORITHM： 点点滴滴
都逐渐FLESH OUT THE MODEL。
历史最终会用BAYESIAN ALGORITHM
去给胡耀邦公正评价的。 他肯定不是
万能，永不犯错，但是他的本心应该是
善良的。
希望他的错误能够得到尽快纠正
（比如计划生育）
他的功劳应该得到后世承认。
道家作为史家的宗教哲学，最善于
BAYESIAN。 所以不会走极端,也不会
坚持错误，自以为是。
http://www.mitbbs.com/article_t/Military/44810703.html |
|
w********o
发帖数: 1621 | 16 我自己就比较反感bayesian。你知道从frequentist的角度分析问题，一个模型要用多
少力气去推算asymptotic properties，才能develop estimate, confidence interval
，test statistic and p-value吗？有时候推不出来，就得用bootstrap啊之类的
empirical estimate,或者EM algorithm，总之要多麻烦有多麻烦。所以统计要出点成
绩，那得要深厚的理论基础。
自从有了bayesian，什么都不用，任何能想出来的model都可以用，根本无需证明，只
要有prior information就成。这prior information还是可以试着用的。变成什么理论
都不懂也照样写paper的局面。很多老教授，尤其是对理论很自负的，就会变得对
bayesian有点厌恶。
本来5年才能统计博士毕业，有了bayesian model后，大概3，4年就可以了。 |
|
T*******I
发帖数: 5138 | 17 多谢指教。看来我对Bayesian的理解还停留在60~70年代的水平上。
可否请求用一个简单的实例来说明empirical Bayesian 和objective Bayesian方法论
是如何运作的？谢谢。
Bayesian |
|
H****g
发帖数: 2273 | 18 今天听一个Bayesian的讲座，演讲人说美国统计系还是蛮泾渭分明的，有偏Bayesian的
，有对Bayesian相对不屑一顾的，前者的毕业生在后者原系很难找到工作，反之也是一
样。
觉得很有趣，求版上的牛牛们给学术八卦一下，偏Bayesian统计的代表学校有哪些？另
一方有哪些学校呢？
另问，TAMU的算是偏那边的呢？还是倾向不太明显？
谢谢，搬小板凳等八卦中…… |
|
t****r
发帖数: 702 | 19 duke明显是最偏bayesian的，人家学生找工作不要太容易。。。
TAMU 正在朝着bayesian方向大踏步前进，bayesian在系里占很大比重。当然系里还是有
很多实用主义的教授，啥好用用啥。跟找工作没啥关系。
现在bayesian和frequentist的区别没有那么明显了。 |
|
t*****a
发帖数: 459 | 20 偏bayesian好像就是open to bayesian，因为好像没有说bayesian的不喜欢
frequentist的 。然后貌似现在都比较open了，有些领域，比如一些手术device trial
, 不bayesian也没别的好办法。 |
|
P*****6
发帖数: 273 | 21 谢谢，
那我要把survival analysis深入研究一下。
naïve bayes 好像是 classification 的方法。很简单易用，有效。但其难度和
理论应用的广度比真正的bayesian analysis差远了。通常不归在bayesian analysis。
当初学bayesian analysis， 要先学EM 和 sampling, 洋洋上百页的讲义，连
empirical bayes 都只有一页。naïve bayes 根本没提。 但是bayesian 方法即
使在统计中都是小众。它的广度只是理论上的。
这个版有点冷清，全靠你了。其实，我觉得data science很值得交流，就算是需要不少
编程知识，大家只要看清方向，多交流，也会提高比较快，用不了一两年就可以实用了 |
|
z*****4
发帖数: 45 | 22 signal是continuous。每一个时间点t对应一个Signal.
我想用Bayesian方法做，我不知道Bayesian方法算不算logistic regression.
用Bayesian方法，算出来的R1和R2是一个分布 |
|
o**********e
发帖数: 18403 | 23 【 以下文字转载自 JobHunting 讨论区 】
发信人: onetiemyshoe (onetiemyshoe), 信区: JobHunting
标 题: 职场BAYESIAN ALGORITHM
发信站: BBS 未名空间站 (Sat Nov 21 12:39:43 2015, 美东)
一个人看另一个人，或者看任何东西，
至少有两个ALGORITHM。
1. 极端ALGORITHM：爱之欲其生，
恶之欲其死。 今天是挚爱，明天是仇敌。
利益至上，触犯了我的利益，就是敌人。
2. BAYESIAN ALGORITHM： 点点滴滴
都逐渐FLESH OUT THE MODEL。
昨天的POSTERIOR变成今天的PRIOR。
so on and on. 几十年下来，绝对有稳定性。
他的错误能够得到尽快纠正。
他的功劳应该得到承认。
道家作为史家的宗教哲学，最善于
BAYESIAN。 所以不会走极端,也不会
坚持错误，自以为是。
http://www.mitbbs.com/article_t/Military/44810703.html
老中在职场也是一样。不要走极端，
要有稳... 阅读全帖 |
|
o**********e
发帖数: 18403 | 24 【 以下文字转载自 JobHunting 讨论区 】
发信人: onetiemyshoe (onetiemyshoe), 信区: JobHunting
标 题: 职场BAYESIAN ALGORITHM
发信站: BBS 未名空间站 (Sat Nov 21 12:39:43 2015, 美东)
一个人看另一个人，或者看任何东西，
至少有两个ALGORITHM。
1. 极端ALGORITHM：爱之欲其生，
恶之欲其死。 今天是挚爱，明天是仇敌。
利益至上，触犯了我的利益，就是敌人。
2. BAYESIAN ALGORITHM： 点点滴滴
都逐渐FLESH OUT THE MODEL。
昨天的POSTERIOR变成今天的PRIOR。
so on and on. 几十年下来，绝对有稳定性。
他的错误能够得到尽快纠正。
他的功劳应该得到承认。
道家作为史家的宗教哲学，最善于
BAYESIAN。 所以不会走极端,也不会
坚持错误，自以为是。
http://www.mitbbs.com/article_t/Military/44810703.html
老中在职场也是一样。不要走极端，
要有稳... 阅读全帖 |
|
o**********e
发帖数: 18403 | 25 【 以下文字转载自 JobHunting 讨论区 】
发信人: onetiemyshoe (onetiemyshoe), 信区: JobHunting
标 题: 职场BAYESIAN ALGORITHM
发信站: BBS 未名空间站 (Sat Nov 21 12:39:43 2015, 美东)
一个人看另一个人，或者看任何东西，
至少有两个ALGORITHM。
1. 极端ALGORITHM：爱之欲其生，
恶之欲其死。 今天是挚爱，明天是仇敌。
利益至上，触犯了我的利益，就是敌人。
2. BAYESIAN ALGORITHM： 点点滴滴
都逐渐FLESH OUT THE MODEL。
昨天的POSTERIOR变成今天的PRIOR。
so on and on. 几十年下来，绝对有稳定性。
他的错误能够得到尽快纠正。
他的功劳应该得到承认。
道家作为史家的宗教哲学，最善于
BAYESIAN。 所以不会走极端,也不会
坚持错误，自以为是。
http://www.mitbbs.com/article_t/Military/44810703.html
老中在职场也是一样。不要走极端，
要有稳... 阅读全帖 |
|
f*****x
发帖数: 2748 | 26 Bayesian的文章越来越多了，好处是花不多时间了解一个问题，然后计算机帮助你干活
了。Bayesian出起文章来是多快
好省。估计以后统计/ML是Bayesian的天下了。 |
|
h*i
发帖数: 3446 | 27 ML就是最初从认知心理学里面引发出来的, 所以不存在渗透过去的问题。
主观Bayesian的方法用在其他科学都可以，用在心理学上就是本末倒置：因为主观
Bayesian（e.g. E.T. Jaynes那一套）就是一种思维方法，本身正是心理学需要解释的
对象。所以，在心理学里面，Bayesian学派虽然近年势头有一些回升，但总归还是不被
主流接受的。 |
|
y***n
发帖数: 309 | 28 呵呵，我不同意你的观点。
先申明我也是Bayesian(or Empirical Bayesian).
频率学派与贝叶斯学派的区别主要是是否允许先验概率分布的使用。
频率学派并不把所有参数看作普通变量（我想应该是known or unknown fixed
variable,姑且用你的名词），比如hierarchical model和random effect model。
而贝叶斯学派在先验分布中也有普通变量,比如hyperprior parameter。
你对无偏估计的论断我也不同意，因为你的定义本身不合理。如果t是随机变量，
你可以用E[T|t]=t,或者在由边际分布得到E[T]=m，一个独立于t的量。
贝叶斯的好处在于贝叶斯的推断问题相对简单，点估计，区间估计和假设检验
全部可以由后验分布得到，尤其是计算机技术的发展和MCMC方法的出现使得
非共轭后验分布的使用和计算成为可能。而且它的理论架构天然符合人渐进
的认识规律。我今天早上刚好还想到可以用“时时勤拂拭，莫使惹尘埃”来
形容贝叶斯学派，恰不恰当大家看看。
但是贝叶斯(Full Bayesian)的问题在于，无信息先验已经被 |
|
o******6
发帖数: 538 | 29 ☆─────────────────────────────────────☆
Varco (Brook) 于 (Fri Mar 13 23:49:05 2009) 提到:
请教：
这两个方向，那个更有利于以后毕业出来争取教职，或找不到教职在其他地方做研究？
两个老板都得过CRM-SSC AWARD
1.Statistical Genetics
2.Bayesian statistical inference (including the implementation of the
Bayesian paradigm in the health sciences, and the development of
computational algorithms for Bayesian inference)
☆─────────────────────────────────────☆
DVD (时不我待) 于 (Sat Mar 14 00:20:33 2009) 提到:
没有容易不容易，看你做的有多好了
☆───────────────────────────── |
|
w********o
发帖数: 1621 | 30 我不是反感bayesian这中方法。这个方法简单易学，依葫芦画瓢就可以。但是缺乏传统
统计理论基础的statistician，总归让人觉得不放心。反正我觉得有些投机取巧的意思
。当然我也见过有人统计理论也学得很好，bayesian也很熟的。这样的我就不会反感。
with
Bayesian.
statistics. |
|
d*d
发帖数: 18 | 31 If you don't appreciate likelihood principle, de finetti theorem, etc. you
will not appreciate Bayesian. From foundation point of view, surprisingly,
Bayesian is quite sound comparing with Frequentist approaches.
interval
This is not true, at least not good Bayesian practice. |
|
T*******I
发帖数: 5138 | 32 按照频率主义的观点，关于总体的一切结论都在样本所提供的全部信息之中，统计所要
做的是采用适当的算法将这些信息抽象出来。如果样本信息不够，就无法引出结论。在
频率主义者看来，在这种情形下不能人为引入无法确定的信息来引出结论。而Bayesian
恰恰就是这样做的。
让我举个简单的实例来说明频率主义和Bayesian的差别：
假设某个模型要有性别变量的参与，按照Bayesian的做法，可以假定男女之间的比为1:1，或者说男女出生的先验概率各为0.5，由于这个先验概率的引入，模型可以说很理想。可是，按照频率主义者的观点，我们不知道男女出生的概率是否是0.5，因为还有很多性别畸变的情形发生，因而，男女以及性别畸变者的出生概率根本无法确定，只能通过样本来估计。 |
|
T*******I
发帖数: 5138 | 33 问个问题：
如果方法论中没有了任何先验前提，Bayesian方法论将走向何方？Bayesian还能被称之
为Bayesian么？ |
|
y*****y
发帖数: 98 | 34 首先你需要明白，先验不等于一定需要引入信息，更不等于主观。empirical Bayesian
and objective Bayesian 都是不引入任何主观考量，也没有其他左右信息的数据，只
是在technique上追求Bayesian的方便。需要知道，这种方便对复杂模型的处理是非常
重要的，因为frequentist面对这样复杂情况是束手无策的。然而人们需要一种能够解
决复杂科学问题的办法。所谓主观先验一说，基本上是陈年烂帐，谁现在还会用主观先
验? 最多最多，也就是根据previous data。 |
|
p********a
发帖数: 5352 | 35 ☆─────────────────────────────────────☆
aa1343 (aat343) 于 (Wed Aug 25 00:12:09 2010, 美东) 提到:
当我向我的统计教授问bayesian问题时，他竟然说“I am a frequentist, not
bayesian"来拒绝回答我的问题。我很纳闷这
两种statistics难道是水火不想容的吗？
☆─────────────────────────────────────☆
drburnie (专门爆料) 于 (Wed Aug 25 00:14:06 2010, 美东) 提到:
你的统计教授挺2的，看样子不是啥好学校。
看了看IP，果然不是啥好地方的。
☆─────────────────────────────────────☆
aa1343 (aat343) 于 (Wed Aug 25 00:16:58 2010, 美东) 提到:
挺2是啥意思？ 人家可是耶鲁毕业的呢。非常的牛。就是一问到frequency和bayesian
上，他就轴上了。
☆───────── |
|
t*****3
发帖数: 878 | 36 【 以下文字转载自 Quant 讨论区 】
发信人: temp123 (ttt), 信区: Quant
标 题: 如何把 Bayesian 用在预测上??
发信站: BBS 未名空间站 (Fri Jul 8 13:26:07 2011, 美东)
小弟弟刚开始准备当矿工, 经常听到说bayesian inference,不知道这个inference究
竟啥意思? 是不是就是ESTIMATE 参数的意思?
那么怎么把Bayesian用在预测上呢? 恳请哪位大侠指点一下! 不胜感激/ |
|
g*******u
发帖数: 148 | 37 你要注意這裡的關鍵字: "日新增"
也就是 on daily basis 你每天都會有新的資料點進來
這時候你要用 bayesian 做預測
意思是你要用bayes的方法去update
你可以查一查 bayesian updating
在未知或已知variance的情況下，mean update 都有簡單的公式
我想這才是你應該想的方向
用Bayesian regression沒有太大意義
因為除非你知道為甚麼OLS不恰當
否則OLS一般而言就有非常好的性質了 |
|
n*s
发帖数: 76 | 38 在考虑上哪些统计课，
bayesian statistics：主要用的是Gelman的bayesian statistics书。请问bayesian的
工作机会多吗？
applied time series：用的书是Tsay的 financial time series
categorical data: 用的是Agresti的Introduction To Categorical Data Analysis
statistical methods： 讲各方面的统计方法/models。自己看过一些
可能选两门吧。
请大家给些建议吧！谢谢了！：D |
|
b********n
发帖数: 1651 | 39 我是统计还没入门的菜鸟，麻烦大家能否帮助用中文分别解释下Bayesian；Bayesian
nonparametic;Bayesian interence这三个是用来干什么的，有什么用，还有实际应用
是什么 (麻烦用high level容易懂的方式解释）。
多谢大家了！ |
|
B******y
发帖数: 9065 | 40 打死我也不相信一个药厂所有的clinical trials都是Bayesian。别的不说，FDA首先把
你搞死，看你不作不死的。。。面药厂的时候，哪怕上学的时候修过一门和Bayesian沾
边的课，就可以放心大胆的宣称自己懂Bayesian，每人问得出个所以然来。。。 |
|
P*****6
发帖数: 273 | 41 这个我也不清楚，bayesian是小众，第一用的人少，第二就是有人用了， 一挑10，胜
算也少。
bayesian加了prior 项后，求解很多时候必须用MCMC等，推导也复杂，运算速度也慢。
我做生物信息中的data mining，那个里面用bayesian的比较多，因为样品少时，一个
基因可以从其它上千个基因中借prior信息，以减少outlier。这个假设成立的时候比较
多。
不知有大牛有更深的理解吗？ |
|
b********n
发帖数: 1651 | 42 我是统计还没入门的菜鸟，麻烦大家能否帮助用中文分别解释下Bayesian；Bayesian
nonparametic;Bayesian interence这三个是用来干什么的，有什么用，还有实际应用
是什么 (麻烦用high level容易懂的方式解释）。
多谢大家了！ |
|
b********n
发帖数: 1651 | 43 我是统计还没入门的菜鸟，麻烦大家能否帮助用中文分别解释下Bayesian；Bayesian
nonparametic;Bayesian interence这三个是用来干什么的，有什么用，还有实际应用
是什么 (麻烦用high level容易懂的方式解释）。
多谢大家了！ |
|
C****0
发帖数: 53 | 44 好问题，setting改一下就可以了，但还是Bayesian Inference 基本思想
A=孙维和朱令有矛盾且孙维不是犯人
B=所有的证据以及数据
P(A|B)=P(A)*P(B|A)/P(B)
P(B)就是对证据是真实性的概率,完全可以量化(可以通过对于每个证据/数据单独量化
，最后估算joint probability)
P(A) 可以从 "类似性格有矛盾且仇杀的案件" 全国案件 取样来估算
P(B|A) 是一种belief, 可以以问卷的形式来从大众中调查：也就是说读了整个案件的
所有证据之后，如果孙维和朱令有矛盾，且孙维不是杀人犯，那么这些证据存在的概率
有多大？
这个Bayesian inference的 目的就是 尽量减小个人主观（P(B|A)）对于估计的影响(
通过P(B)和P(A))。 |
|
o**********e
发帖数: 18403 | 45 一个人看另一个人，或者看任何东西，
至少有两个ALGORITHM。
1. 极端ALGORITHM：爱之欲其生，
恶之欲其死。
2. BAYESIAN ALGORITHM： 点点滴滴
都逐渐FLESH OUT THE MODEL。
历史最终会用BAYESIAN ALGORITHM
去给胡耀邦公正评价的。 他肯定不是
万能，永不犯错，但是他的本心应该是
善良的。
希望他的错误能够得到尽快纠正
（比如计划生育）
他的功劳应该得到后世承认。 |
|
z*****4
发帖数: 45 | 46 我试图将数据拟合到一个模型中: Signal = a*exp(-R1*t)+b*exp(-R2*t).要拟合的参
数是R1，R2，a和b。 R1和R2更重要。有12个数据点: 12个t,对应12个Signal。我想用
贝叶斯概率理论来求R1，R2，a和b。 我在看贝叶斯分析的逻辑回归模型: https://www
.mathworks.com/help/stats/examples/bayesian-analysis-for-a-logistic-
regression-model.html。 但是，我还没想出如何写the prior distribution, the
posterior distribution, or maximum likelihood for my question。 这个网页也可
能是相关的: https://www.mathworks.com/help/stats/examples/curve-fitting-and-
distribution-fitting.html。
有人可以教我贝叶斯方法的实现数据拟合么，或是分享Matlab code实现贝叶斯方法... 阅读全帖 |
|
z*****4
发帖数: 45 | 47 signal不是正态分布。如果把signal vs t 画出来，是exponential decay。这个问题
其实是把这12个数据点，fit成bi-exponential curve。
来做一下simulation: 假设a=0.5, b=0.5, R1=0.002, R2=0.1,根据已知的12个t,可以
算出12个Signal.然后Signal再加上随机的noise，在matlab可以用randn实现。这样我
们有了12个t,12个Signal(加了noise的)，来fit a, b, R1和R2。在matlab里，可用fit
这个function来做。但每运行一次fit，得到的a,b,R1和R2的值，都是不一样的，经常
会和原始值a=0.5, b=0.5, R1=0.002, R2=0.1相差很远。
一篇文章上写着(是一幅图):用Bayesian方法，算出来的R1和R2是一个分布，像是正态
分布，R1的值是横坐标，次数是纵坐标。然后取 出现次数最多的R1最为最后的拟合值
。可惜这篇文章根本不告诉你这个过程是怎么实现的，开头是Bayesian概率论的基本公
式，后面直接上结果。所... 阅读全帖 |
|
|
b******v
发帖数: 1493 | 49 【 以下文字转载自 Statistics 讨论区 】
发信人: bokertov (早上好), 信区: Statistics
标 题: For sale:"Bayesian Methods for Data Analysis"
发信站: BBS 未名空间站 (Sun Sep 5 15:37:18 2010, 美东)
http://cgi.ebay.com/ws/eBayISAPI.dll?ViewItem&item=250690559401
还有两个小时就结束了
Bayesian Methods for Data Analysis by Bradley Carlin
第3版(最新版)
只用过一个学期，用来做作业，基本上还是新的。 |
|
