Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "Bayes Factor" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Divergent Priors and Well Behaved Bayes Factors
    Autorzy:
    Strachan, Rodney W.
    van Dijk, Herman K.
    Powiązania:
    https://bibliotekanauki.pl/articles/483279.pdf
    Data publikacji:
    2014
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    improper prior
    Bayes factor
    marginal likelihood
    shrinkage prior
    measure
    Opis:
    Bartlett’s paradox has been taken to imply that using improper priors results in Bayes factors that are not well defined, preventing model comparison in this case. We use well understood principles underlying what is already common practice, to demonstrate that this implication is not true for some improper priors, such as the Shrinkage prior due to Stein (1956). While this result would appear to expand the class of priors that may be used for computing posterior odds, we warn against the straightforward use of these priors. Highlighting the role of the prior measure in the behaviour of Bayes factors, we demonstrate pathologies in the prior measures for these improper priors. Using this discussion, we then propose a method of employing such priors by setting rules on the rate of diffusion of prior certainty.
    Źródło:
    Central European Journal of Economic Modelling and Econometrics; 2014, 1; 1-31
    2080-0886
    2080-119X
    Pojawia się w:
    Central European Journal of Economic Modelling and Econometrics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Dowodzenie hipotez za pomocą zzynnika bayesowskiego (bayes factor): przykłady użycia w badaniach empirycznych
    Autorzy:
    Domurat, Artur
    Białek, Michał
    Powiązania:
    https://bibliotekanauki.pl/articles/1198708.pdf
    Data publikacji:
    2016
    Wydawca:
    Akademia Leona Koźmińskiego w Warszawie
    Tematy:
    statistical inference
    null hypothesis testing
    Bayes Factor
    p-value
    Bayes’ rule
    wnioskowanie statystyczne
    testowanie hipotezy zerowej
    reguła Bayesa
    czynnik bayesowski
    wartość p
    Opis:
    Testów statystycznych używa się w nauce po to, żeby wesprzeć zaproponowane hipotezy badawcze (teorie, modele itp.). Czynnik bayesowski (Bayes Factor, BF) jest metodą bezpośrednio wskazującą tę z dwóch hipotez, która lepiej wyjaśnia uzyskane dane. Jego wykorzystanie we wnioskowaniu statystycznym prowadzi do jednego z trzech wniosków: albo badanie bardziej wspiera hipotezę zerową, albo alternatywną, albo wyniki nie wspierają żadnej w sposób rozstrzygający i są niekonkluzywne. Symetria tych wniosków jest przewagą metody czynnika bayesowskiego nad testami istotności. W powszechnie używanych testach istotności nie formułuje się wniosków wprost, lecz albo się odrzuca hipotezę zerową, albo się jej nie odrzuca. Rozdźwięk między taką decyzją a potrzebami badacza często jest powodem nadinterpretacji wyników testów statystycznych. W szczególności wyniki nieistotne statystycznie są często nadinterpretowane jako dowód braku różnic międzygrupowych lub niezależności zmiennych.W naszej pracy omawiamy założenia teoretyczne metody BF, w tym różnice między bayesowskim a częstościowym rozumieniem prawdopodobieństwa. Przedstawiamy sposób weryfi kacji hipotez i formułowania wniosków według podejścia bayesowskiego. Do jego zalet należy m.in. możliwość gromadzenia dowodów na rzecz hipotezy zerowej. Wykorzystanie metody w praktyce ilustrujemy przykładami bayesowskiej reinterpretacji wyników kilku opublikowanych badań empirycznych, w których wykonywano tradycyjne testy istotności. Do obliczeń wykorzystaliśmy darmowy program JASP 0.8, specjalnie dedykowany bayesowskiej weryfi kacji hipotez statystycznych.
    Statistical tests are used in science in order to support research hypotheses (theory, model). The Bayes Factor (BF) is a method that weighs evidence and shows which out of two hypotheses is better supported. Adopting the BF in statistical inference, we can show whether data provided stronger support for the null hypothesis, the alternative hypothesis or whether it is inconclusive and more data needs to be collected to provide more decisive evidence. Such a symmetry in interpretation is an advantage of the Bayes Factor over classical null hypothesis significance testing (NHST). Using NHST, a researcher draws conclusions indirectly, by rejecting or not rejecting the null hypothesis. The discrepancy between these decisions and the researcher’s needs, often leads to misinterpretation of significance test results, e.g. by concluding that non-significant p-values are evidence for the absence of differences between groups or that variables are independent. In this work we show the main differences between the Bayesian and the frequential approach to the understanding of probability and statistical inference. We demonstrate how to verify hypotheses using the BF in practice and provide concrete examples of how it modifies conclusions about empirical findings based on the NHST procedure and the interpretation of p-values. We discuss the advantages of the BF – particularly the validation of a null hypothesis. Additionally, we provide some guidelines on how to do Bayesian statistics using the freeware statistical program JASP 0.8.
    Źródło:
    Decyzje; 2016, 26; 109-141
    1733-0092
    2391-761X
    Pojawia się w:
    Decyzje
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Jakie wnioski uznajemy za racjonalne? Wpływ prawdopodobieństwa apriorycznego na prawdopodobieństwo aposterioryczne
    Autorzy:
    Wójtowicz, Anna
    Powiązania:
    https://bibliotekanauki.pl/articles/1198692.pdf
    Data publikacji:
    2018
    Wydawca:
    Akademia Leona Koźmińskiego w Warszawie
    Tematy:
    base rate
    prior probability
    Bayes factor
    Bayes theorem
    baserate fallacy
    prosecutor’s fallacy
    prawdopodobieństwo bazowe
    prawdopodobieństwo aprioryczne
    czynnik bayesowski
    wzór Bayesa
    błąd pominięcia bazy
    sofi zmat prokuratora
    Opis:
    Badania wydają się sugerować, że w wielu wypadkach ustalamy prawdopodobieństwo pewnych zdarzeń w oparciu o dostarczaną informację w sposób niezgodny z modelem normatywnym. Wpływa to bezpośrednio na wnioski, które jesteśmy gotowi uznać za racjonalne na podstawie danych przesłanek. W artykule wskazano czynniki mogące rzutować na przyjmowaną wielkość prawdopodobieństwa apriorycznego i – pośrednio – na obliczanie prawdopodobieństwa aposteriorycznego. Zbiorczo czynniki te będą określane jako parametr j. Jego wielkość zależy od kontekstu, w jakim przebiega dane wnioskowanie, i od określonych cech wnioskującego podmiotu. Po uwzględnieniu jego wpływu okazuje się, że krytyczna ocena ludzkich wnioskowań nie zawsze jest uzasadniona.
    Empirical data suggest, that in many situations people are not able to estimate the probability of events on the base of available information in a way consistent with the normative model. This fact infl uences the choice of conclusions which are considered to be rational. The article outlines the factors that may affect the assumed value of a priori probability and – indirectly – the value of a posteriori probability. All these factors will be collectively referred to as the parameter j. Its value depends on the context in which the reasoning is made. In the article I show, that a critical assessment of our reasoning is not always justified.
    Źródło:
    Decyzje; 2018, 29; 41-65
    1733-0092
    2391-761X
    Pojawia się w:
    Decyzje
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies