03/04/2020, 17:09
03/04/2020, 17:17
03/04/2020, 17:33
tommik ha scritto:...
...ed i tutorial che ho scritto con tanta fatica ed in evidenza sempre nella prima pagina del forum? (ne ho messo uno per l'inferenza classica ed uno per quella bayesiana)
03/04/2020, 20:16
La seguente tabella analizza gli individui infettati da coronavirus in un piccolo paese nelle ultime 6 settimane
Settimane da oggi 0-1 1-2 2-3 3-4 4-5 5-6 infettati 16 6 6 2 4 1
Ci proponiamo di stimare il numero medio di individui infettati la settimana e la stima che ci sia almeno un infettato la prossima settimana....il tutto in modo Bayesiano.
03/04/2020, 22:00
03/04/2020, 22:32
tommik ha scritto:qui invece trovi un interessante esercizio sulla stima bayesiana dei parametri di una gaussiana; topic postato da un utente che ho risolto...ma non si è più fatto vivo...mah la gente è strana.
In questi anni ne ho risolti una decina postati da vari utenti, basta usare la funzione "cerca". Questo me lo ricordavo perché è piuttosto recente ed interessante.
03/04/2020, 22:44
anonymous_be0efb ha scritto:
Potresti spiegarmi solo un'ultima cosa? In questo caso chi è la verosimiglianza per cui moltiplica la prior?
03/04/2020, 22:56
tommik ha scritto:anonymous_be0efb ha scritto:
Potresti spiegarmi solo un'ultima cosa? In questo caso chi è la verosimiglianza per cui moltiplica la prior?
il prodotto delle densità del modello, come sempre
$Pi_x p(x|ul(theta))$
i conti sembrano complicati ma in realtà sono piuttosto semplici...soprattutto se (come in questo caso) hai già anche le soluzioni a cui devi arrivare
però prima di arrivare a questo modello devi fare un po' di pratica...stima della media di una gaussiana con varianza nota ecc ecc
...avrai comunque un libro di testo no? le mie indicazioni sono dei suggerimenti di massima, poi devi fare riferimento al tuo programma ed al tuo libro di testo....
03/04/2020, 23:00
I tipici problemi che si presentano in Statistica sono quelli della stima e di prova delle ipotesi. Secondo un autorevole professore di fama internazionale (e mio relatore di laurea): "la distribuzione finale esaurisce il problema dell'inferenza statistica in termini bayesiani".
La distribuzione finale (a posteriori, o Posterior) si calcola utilizzando il teorema di Bayes:$pi(theta|ul(x))=(pi(theta)p(ul(x)|theta))/(int_(Theta)pi(theta)p(ul(x)|theta) d theta)$
dato che il denominatore è integrato è un numero e quindi, più semplicemente, definiamo$pi(theta|ul(x)) proppi(theta)p(ul(x)|theta)$
dove $pi(theta)$ è la distribuzione iniziale (Prior) mentre $p(ul(x)|theta)$ è la verosimiglianza ottenuta dall'osservazione dei dati sperimentali, dato il parametro.
Tuttavia esistono situazioni in cui è utile ricercare una conveniente sintesi della distribuzione finale. La ricerca di questa sintesi avviene spesso mediante il ricorso alla Teoria delle Decisioni.
anonymous_be0efb ha scritto:Ad esempio la funzione verosomiglianza viene chiamata in un altro modo, ma questa è la cosa minore.
04/04/2020, 16:14
Skuola.net News è una testata giornalistica iscritta al Registro degli Operatori della Comunicazione.
Registrazione: n° 20792 del 23/12/2010.
©2000—
Skuola Network s.r.l. Tutti i diritti riservati. — P.I. 10404470014.
Powered by phpBB © phpBB Group - Privacy policy - Cookie privacy
phpBB Mobile / SEO by Artodia.