ベイズ推論で正規分布使うなら標準形のほうがいいかもよ？
指数型分布族とは 確率変数 x∈Rmx \in \mathbb{R}^mx∈Rm を規定する密度関数がパラメータ θ∈Rd\theta \in \mathbb{R}^dθ∈Rd を用いて以下の形に表現できるとき、この分布を指数型分布族といいます。 p(x∣θ)=1Z(θ)h(x)eθ⊤ϕ(x)p(x|\theta) = \frac{1}{Z(\theta)}h(x)e^{\theta^\top \phi(x)}p(x∣θ)=Z(θ)1h(x)eθ⊤ϕ(x) ただし Z(θ)Z(\theta)Z(θ) は正規化項なので以下の積分で与えられます。 Z(θ)=∫Rmh(x)eθ⊤ϕ(x)dxZ(\theta) = \int_{\mathbb{R}^m}h(x)e^{\theta^\top \phi(x)} dxZ(θ)=∫Rmh(x)eθ⊤ϕ(x)dx θ\thetaθ を標準パラメータ (
メトロポリス・ヘイスティングス法の解説
はじめに ベイズ推論において事後分布が解析的に計算できない場面というのは往々にして存在します。その際のひとつの解決策がサンプリングです。 事後分布に従うサンプルを得ることで、事後分布について分かったことにしようということです。 今回はマルコフ連鎖モンテカルロ法と呼ばれる大きなアルゴリズム群の中でも汎用的な、メトロポリス・ヘイスティングス法について解説します。 文章中ではめんどいので MH 法と書くことにします。 概要 まずは記号の設定です。 π(x)\pi(x)π(x): 知りたい分布の確率密度関数。正規化係数のみ計算できない。 π∗(x)\pi_*(x)π∗(x): π(x)\pi(x)π(x) の正規化係数を除いた部分。 ベイズ推論においては事後分布の正規化係数のみ分からないという場面はよく出てきます。したがってMH法をベイズ推論において使う場合、正規化係数以外は計算できるという条件
ベイズ構造時系列モデルを推定する{bsts}パッケージを試してみた - 渋谷駅前で働くデータサイエンティストのブログ
Rパッケージ紹介ばかりが続いていて恐縮ですが。。。最近になってこんなものがFacebookからリリースされていたのを知りました。 これはこれで使いやすそうだなと思ったんですが、実はGoogleからも同様のMCMCサンプリングベースの時系列分析向けCRANパッケージ{bsts}がしばらく前から出ていたりします。見た感じ日本ではほとんど知られていないように見受けられるのですが、どんなものなんでしょうか？ ということで、一応他社フレームワークの紹介をするよりはこちらのフレームワークの紹介を先にする方が筋かな*1と思ったもので（笑）、ここでは遅ればせながら{bsts}パッケージの紹介をすることといたします。 そもそも{bsts}とは 名前が示す通り、Bayesian Structural Time Series（ベイズ構造時系列）の時系列分析を行うパッケージです。愚かにもVignetteがないので
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
