Please enable JavaScript.
Coggle requires JavaScript to display documents.
STATISTICA BAYESIANA - Coggle Diagram
STATISTICA BAYESIANA
Modelli
Bernoulli-Beta
-
-
π(θ|x) ~ Beta(α + s, β + n + s)
-
-
Poisson-Gamma
-
-
π(θ|x) ~ Gamma(α + s, β + n)
Exp-Gamma
-
-
π(θ|x) ~ Gamma(α + n, β + s)
Normale-Normale
-
π(θ) ~ N(μ_0, σ^2_0 nota)
π(θ|x) ~ N([μ_0 σ^2 + nE(x)σ^2] / [ σ^2_0 n + σ^2 ], σ^2 σ^2_0 /[ σ^2 + n σ^2_0])
Normale-Gamma inversa
-
-
π(θ|x) ~ Gammainv(α + n/2, β + (sum xi - μ )/2)
Uniforme-Pareto
-
-
π(θ|x) ~ Pareto(α + n, max{β, X_{n}})
Elicitazione prior
-
-
-
-
Coniugate
-
-
Famiglia esponenziale
f(λ, θ) = exp{θλ - C(θ)} - D(x)
-
π(θ|x) ~ (η1 + sum xi, η2 + n)
-
-
Approccio decisionale
-
Criteri Bayesiani
-
Del valore atteso
K[L(θ,a)] = int L(θ,a) π(θ)dθ
Media-Var
K[L(θ,a)] = E[L(θ,a)] + αVar[L(θ,a)]
Soglia critica
K[L(θ,a)] = P{ θ: L(θ,a) > λ}
-
-
(Θ, Δ = A, L(θ, δ(x)), K)
-
-
-
Sintesi Posterior
-
-
-
Metodi simulativi
Monte Carlo
1: Estrarre g(θ1),......, g(θm) campioni MC
-
-
MCIS (import sampling)
Estrarre θ'1,......,θ'm da h(θ)
-
-
-
-
MCMC
-
-
-
Metropolis
-
-
Algoritmo
-
-
3: accetto θ' in base a α(θ, θ')
-
-
Tipologie
Hastings
q(θ, θ') sul supporto posterior
-
-
-
-