线性回归是一种统计工具,用于:
研究数据的线性相关性或影响
根据未来预测数据预测或预测未来的反应。
这个
多次
YT为观察到的响应。
xT是一个1 - (
β是(
εT是平均值为零和Cov的随机扰动(
价值观
要研究预测器对响应的线性影响,或构建预测MLR,必须首先估计参数
A...
贝叶斯分析的主要目标之一是计算或从中取样
A.
是的条件概率密度函数
ϕ(
先验分布(或
在实践中,使用先验是为了方便,而不是跟随研究人员关于参数实际分布的意见。例如,可以选择先验分布,以便相应的后验分布位于同一个分布族中。这些前-后对称为
Priors可以包含参数,调用
对于MLR,先验分布通常表示为
可以包含关节的后验分布
如果
后验概率分布类似于随机变量的任何其他联合概率分布,它包含合并数据后有关参数的所有已知信息。参数估计和推断主要基于参数函数与后验概率分布的积分。
后验估计和推断涉及到参数相对于后验概率的积分函数。MLR参数的常用估计和推断包括:
期望值
这个量提供了一个自然的解释,是最小均方误差(MSE)估计量,也就是说,它最小化了 中位数、模式或分位数可以是相对于其他损失的贝叶斯估计量。
这个
给定数据,预测响应
预测器的设计
是一个具有
你可以把这个量看成概率分布的条件期望值
95%的置信区间
Equitailed间隔,为区间(
最高后验密度(HPD)区域,是产生指定概率的最窄间隔。它必然包含最大的后验值。
与频率置信区间的解释不同,贝叶斯置信区间的解释是,给定数据,随机
变量包含的边际后验概率,也称为区域概率,是实施随机搜索变量选择(SSVS)的结果,表明预测变量在贝叶斯线性回归模型中是不重要的还是冗余的。在SSVS中,
集成方法取决于产品的功能形式
比如被积函数,
如果乘积是已知概率分布的核,那么
否则,必须使用数值积分技术来计算
若要执行蒙特卡罗估计,请从概率分布中提取多个样本,然后对每个样本应用适当的函数(
当你不知道一个常数的概率分布,或者你知道至少一个常数的所有参数的条件分布时,你就实现了MCMC。流行的MCMC技术包括Gibbs采样
有关计量经济学工具箱中贝叶斯线性回归模型的后验估计的详细信息,请参阅
计量经济学工具箱中的贝叶斯线性回归框架提供了几个先验模型规范,这些规范产生了分析上可处理的共轭边际或条件后验概率。此表确定了先前模型及其相应的后验模型。将以前的模型和数据传递给估计
,MATLAB®使用这些公式。当软件构造后端时,它假设响应数据
先验模型对象 | 先知先觉 | 边缘后验概率 | 条件后验 |
---|---|---|---|
共轭光学显微镜 |
β和 |
|
|
半共轭BLM |
β和 | 难以分析的 |
|
漫射 |
联合优先pdf是
|
|
|
混合电子束 |
|
虽然边际后验概率在分析上是可处理的,但MATLAB将其视为难以扩展的(参见 | 易于分析,如果
|
mixsemiconjugateblm |
|
难以分析的 | 易于分析,如果
|
拉索膜 |
系数是独立的,这是一个先验。 | 难以分析的 |
|
在表中:
NP+1(
免疫球蛋白(
X是一个
Y是一个
TP+1(
,即
v*j1为先验方差因子(混合共轭
)或差异(混合半共轭
)
v*是(
混合电子束
和mixsemiconjugateblm
模型支持先前的金宝app平均规格共轭光学显微镜
和半共轭BLM
模型包括先验方法。
λ是固定套索收缩参数。
InvGaussian (
计量经济学工具箱中的贝叶斯线性回归框架提供了几个先验模型规范,这些规范产生了难以分析但灵活的边际和条件后验概率。此表确定了先验模型和蒙特卡罗采样技术,当您将先验模型和数据传递给MATLAB时,MATLAB用于执行后验估计、模拟和推断估计
,模拟
或预测
.
先验模型对象 | 先知先觉 | 边缘后验概率模拟技术 | 条件后验仿真技术 |
---|---|---|---|
半共轭BLM |
β和 | 吉布斯采样器 | 条件后验在分析上是可处理的 |
经验性LBLM |
从各自的先验分布中提取 | 抽样重要性重抽样 | 不支持金宝app |
定制 |
以声明函数中的联合pdf.为特征 |
|
|
混合电子束 |
|
吉布斯采样器 | 条件后验在分析上是可处理的 |
mixsemiconjugateblm |
|
吉布斯采样器 | 条件后验在分析上是可处理的 |
拉索膜 |
系数是独立的,这是一个先验。 | 吉布斯采样器 | 条件后验在分析上是可处理的 |
[1]乔治,E.I.和R.E.麦卡洛赫。“通过吉布斯抽样进行变量选择。”
Gelfand, a.e.和a.f. M. Smith。“基于采样的边际密度计算方法”。
格尔曼,J. B.卡林,H. S.斯特恩,D. B.鲁宾。
[4] 戈登、新泽西、D.J.萨尔蒙德和A.F.M.史密斯。“非线性/非高斯贝叶斯状态估计的新方法。”
[5] 使用马尔可夫链的蒙特卡罗抽样方法及其应用
[6]马林,J.M.和C.P.罗伯特。
[7] 纽约大都会、A.W.Rosenbluth、M.N.Rosenbluth、A.H.Teller和E.Teller。“用快速计算机计算状态方程。”
[8] 使用哈密顿动力学的MCMC〉,载于S.Brooks、A.Gelman、G.Jones和X-L.Meng(编辑)
[9]尼尔,r。m。切片取样。"
[10]帕克,T,和g。卡塞拉。“贝叶斯套索”。
bayeslm
|共轭光学显微镜
|半共轭BLM
|漫射
|定制
|经验性LBLM
|估计
|预测