Wnioskowanie Bayesowskie

Slides:



Advertisements
Podobne prezentacje
Badania statystyczne Wykłady 1-2 © Leszek Smolarek.
Advertisements

ESTYMACJA PRZEDZIAŁOWA
Test zgodności c2.
Metody losowania próby
WEDT Rachunek prawdopodobieństwa, teoria informacji, lingwistyka
Zmienne losowe i ich rozkłady
Inteligencja Obliczeniowa Metody probabilistyczne.
Skale pomiarowe – BARDZO WAŻNE
Elementy Modelowania Matematycznego
Estymacja przedziałowa
Test zgodności Joanna Tomanek i Piotr Nowak.
Metody wnioskowania na podstawie podprób
Miary położenia Miary położenia opisują umiejscowienie typowych wartości cechy statystycznej na osi liczbowej.
Metody ekonometryczne
Statystyka w doświadczalnictwie
Statystyka w doświadczalnictwie
Analiza korelacji.
Wykład 3 Wzór Bayesa – wpływ rozkładu a priori.
Eksperymentalna ocena jakości rozpoznawania
Klasyfikacja Obcinanie drzewa Naiwny klasyfikator Bayes’a kNN
Pobieranie próby Populacja generalna: zbiór wyników wszystkich możliwych doświadczeń określonego typu. Próba n-wymiarowa: zbiór n wyników doświadczeń.
Rozkład normalny Cecha posiada rozkład normalny jeśli na jej wielkość ma wpływ wiele niezależnych czynników, a wpływ każdego z nich nie jest zbyt duży.
Wady badań statystycznych
Średnie i miary zmienności
Estymacja przedziałowa i korzystanie z tablic rozkładów statystycznych
Rozkład t.
Hipotezy statystyczne
Konstrukcja, estymacja parametrów
i jak odczytywać prognozę?
Ekonometria. Co wynika z podejścia stochastycznego?
Elementy Rachunku Prawdopodobieństwa i Statystyki
BADANIE STATYSTYCZNE Badanie statystyczne to proces pozyskiwania danych na temat rozkładu cechy statystycznej w populacji. Badanie może mieć charakter:
na podstawie materiału – test z użyciem komputerowo generowanych prób
dr hab. Dariusz Piwczyński
Sieci bayesowskie Wykonali: Mateusz Kaflowski Michał Grabarczyk.
Hipotezy statystyczne
Elementy Rachunku Prawdopodobieństwa i Statystyki
Planowanie badań i analiza wyników
Seminarium licencjackie Beata Kapuścińska
Testowanie hipotez statystycznych
Wnioskowanie statystyczne
Metoda reprezentacyjna i statystyka małych obszarów z SAS Instytut Statystyki i Demografii SGH dr Dorota Bartosińska Zajęcia 4 Wnioskowanie statystyczne.
Ekonometria stosowana
Statystyka w doświadczalnictwie Wydział Technologii Drewna SGGW Studia II stopnia Wykład 3.
Przenoszenie błędów (rachunek błędów) Niech x=(x 1,x 2,...,x n ) będzie n-wymiarową zmienną losową złożoną z niezależnych składników o rozkładach normalnych.
Weryfikacja hipotez statystycznych dr hab. Mieczysław Kowerski
Testowanie hipotez Jacek Szanduła.
Statystyczna Analiza Danych SAD2 Wykład 4 i 5. Test dla proporcji (wskaźnika struktury) 2.
Statystyczna analiza danych SAD2 Wykład 5. Testy o różnicy wartości średnich dwóch rozkładów normalnych (znane wariancje) Statystyczna analiza danych.
STATYSTYKA sposób na opisanie zjawisk masowych Mirosław Sadowski TRANSGRANICZNY UNIWERSYTET TRZECIEGO WIEKU W ZGORZELCU.
STATYSTYKA – kurs podstawowy wykład 5 dr Dorota Węziak-Białowolska Instytut Statystyki i Demografii.
Przeprowadzenie badań niewyczerpujących, (częściowych – prowadzonych na podstawie próby losowej), nie daje podstaw do formułowania stanowczych stwierdzeń.
Testy nieparametryczne – testy zgodności. Nieparametryczne testy istotności dzielimy na trzy zasadnicze grupy: testy zgodności, testy niezależności oraz.
Rozkłady statystyk z próby dr Marta Marszałek Zakład Statystyki Stosowanej Instytut Statystyki i Demografii Kolegium.
Estymacja parametrów populacji. Estymacja polega na szacowaniu wartości parametrów rozkładu lub postaci samego rozkładu zmiennej losowej, na podstawie.
STATYSTYKA – kurs podstawowy wykład 6 dr Dorota Węziak-Białowolska Instytut Statystyki i Demografii.
Weryfikacja hipotez statystycznych „Człowiek – najlepsza inwestycja”
STATYSTYKA – kurs podstawowy wykład 11
Estymacja parametryczna dr Marta Marszałek Zakład Statystyki Stosowanej Instytut Statystyki i Demografii Kolegium Analiz.
Niepewności pomiarów. Błąd pomiaru - różnica między wynikiem pomiaru a wartością mierzonej wielkości fizycznej. Bywa też nazywany błędem bezwzględnym.
Model Poissona w ujęciu bayesowskim
Rozkład z próby Jacek Szanduła.
Statystyka matematyczna
Statystyka matematyczna
Statystyka matematyczna
EKONOMETRIA Wykład 1a prof. UG, dr hab. Tadeusz W. Bołt
Analiza niepewności pomiarów Zagadnienia statystyki matematycznej
Estymacja i estymatory
Własności asymptotyczne ciągów zmiennych losowych
Test t-studenta dla pojedynczej próby
Zapis prezentacji:

Wnioskowanie Bayesowskie Maria Czogała

W ostatnich kilkudziesięciu latach obok klasycznych metod statystycznych bardzo silnie rozwijał się nurt podejścia bayesowskiego. Wnioskowanie klasyczne pozwala na szacowanie nieznanych wartości parametrów jedynie na podstawie informacji pochodzących z próby. Wnioskowanie bayesowskie natomiast wykorzystuje, oprócz informacji pochodzących z próby, również znane rozkłady a priori.

WNIOSKOWANIE BAYESOWSKIE

Załóżmy, że dysponujemy rozkładami a priori odnośnie wyróżnionej cechy, oraz że na podstawie pobranej przez nas próby otrzymamy: k – liczba wyróżnionych w próbie elementów n – liczność próby - parametr populacji Korzystając z metod klasycznych, estymator udziału wartości cechy w badanej próbie wyrażałby się wzorem:

Przy wnioskowaniu bayesowskim natomiast informacją pochodzącą z próby będziemy aktualizować nasze prawdopodobieństwa a priori. Wzór Bayesa gdzie:

Przykład:

Dziękuję za uwagę Maria Czogała