bayesian

1熱

1答えて

データに多項式のマージンを当てはめる方法を教えてもらえますか？私は二項と二項の二項演算をしましたが、私は多項式をどのように適合させるかを見たいと思います。私はそれがあなたがする方法を知っている何かあれば、ガンマを試みることにも興味があります。これまで私が行ってきたことです。ここで nodes <- read.table("https://web.stanford.edu/~hastie/CASI

0熱

1答えて

pymc3の対数尤度をどのように評価するか

サンプルポイントといくつかの手動入力ポイント（例えば、合成データセットの真のパラメータ値ポイント）でのログ後（理想的にはログ前と対数尤度）。 PyMC3でこれをどのように達成できますか？更新：私はlogp()メソッドを見つけましたが、複数のポイントで使用するのはあまり便利ではありません。いくつかの標準的/慣用的なアプローチがありますか？更新：この[y.logp(trace[i]) for

1熱

1答えて

私のTensorFlowグラフがEdwardを使用して異常に大きい

私はこのコードをwebsiteから変更しました。基本的に私が書いたことはこれです： #import matplotlib.pyplot as plt import numpy as np import tensorflow as tf #from tensorflow.examples.tutorials.mnist import input_data from edward.models

3熱

1答えて

rstanarmを使用してAPAスタイルのベイジアンリニア（混合）モデルをレポートするにはどうすればよいですか？

私は現在、APA-6の推奨にしたがって、rstanarm::stan_lmer()の出力を報告する方法に苦労しています。最初に、私は頻繁なアプローチの中で混合モデルを適合させ、次にベイジアンフレームワークを使って同じことを試みます。ここでデータを取得するための再現性のあるコードです： library(tidyverse) library(neuropsychology) library(r

1熱

1答えて

ディリクレの分布パラメータに適合する標準の多項式モデル？

スタンでディリクレ分布を使用する方法を学びたいと思います。値が来る確率、つまり、私は単純にディリクレパラメータを推定したい counts n factor_var -------- ------ ------------ 3710 4386 level 1 252 4386 level 2 332 4386 level 3 59

1熱

1答えて

R STAN - 多変量共分散行列を定式化する方法

現在、多変量正規分布に適合するようにR stanを使用しています。現在のモデルは B〜MVN（0、Sigma）を B =（X1、X2、X3） 0 =（0、0、0）シグマあります= 私は、次を用いた共分散行列を構築することができています： parameters { row_vector b[3]; real<lower=0> b_sigma[3]; real<low

0熱

1答えて

スタンで整数潜在変数を指定

私はベイジアンデータ分析を学んでいます。私はTrond Reitanによってチュートリアルを複製しようとしていますが、これはもともとWinBugsによって作成されています。具体的には、私はデータとモデル次いる weta.windata<-list(numdet=c(0, 0, 1, 0, 0, 0, 0, 0, 0, 2, 1, 1, 2, 0, 3, 1, 0, 1, 0, 0, 0, 0,

1熱

1答えて

Runjagsオブジェクトからチェーンを削除するR

非常によく混じった2つのチェーン（チェーン1と3）とチェーン2（チェーン2）を持つrunjagsオブジェクトがあります。チェーン1と3だけを含むようにrunjagsオブジェクトをトリミングするにはどうすればいいですか？ランナーを使ってJAGSモデルを生成するという再現可能な例があります（ここでチェーンはよく混在していますが）。 trim.jags <- as.mcmc.list(jags.out

2熱

1答えて

PYMC3季節変数

私はPYMC3に比較的新しいだと私は次のように例えばR.中hereフィットモデルがモデルである、説明変数なしベイジアン構造時系列（BSTS）を実装しようとしています：次のように私はGaussianRandomWalkを使用して局所線形トレンドを実装できます。 delta = pymc3.GaussianRandomWalk('delta',mu=0,sd=1,shape=99) mu = p