Nathaniel Forde 的文章
验证性因子分析和心理测量学中的结构方程模型
- 21 九月 2024
“显然，相关性和依赖性的概念比与概率判断相关的数值更基本……用于表示概率信息的语言应该允许对依赖关系进行定性、直接和明确的表达。” - Pearl 在《智能系统中的概率推理》Pearl [1985]
心理测量学中的验证性因子分析和结构方程模型
- 21 九月 2024
“显然，相关性和依赖性的概念比与概率判断相关的数值更基本……用于表示概率信息的语言应该允许对依赖关系进行定性、直接和明确的表达。” - Pearl 在《智能系统中的概率推理》Pearl [1985]
验证性因子分析和心理测量学中的结构方程模型
- 21 九月 2024
“显然，相关性和依赖性的概念比与概率判断相关的数值更基本……用于表示概率信息的语言应该允许对依赖关系进行定性、直接和明确的表达。” - Pearl 在《智能系统中的概率推理》Pearl [1985]
心理测量学中的验证性因子分析和结构方程模型
- 21 九月 2024
“显然，相关性和依赖性的概念比与概率判断相关的数值更基本……用于表示概率信息的语言应该允许对依赖关系进行定性、直接和明确的表达。” - Pearl 在《智能系统中的概率推理》Pearl [1985]
贝叶斯非参数因果推断
- 21 一月 2024
很少有比因果关系的断言更强烈的说法，也很少有比这更值得争议的说法。一个天真的世界模型——充满了脆弱的联系和非逻辑的推论，是阴谋论和愚蠢的特征。另一方面，对因果关系的精炼和详细的理解，以清晰的预期、合理的联系和有力的反事实为特征，将引导你顺利通过这个喧嚣、纷繁复杂的世界。
贝叶斯非参数因果推断
- 21 一月 2024
很少有比因果关系的断言更强烈的说法，也很少有比这更值得争议的说法。一个天真的世界模型——充满了脆弱的联系和非逻辑的推论，是阴谋论和愚蠢的特征。另一方面，对因果关系的精炼和详细的理解，以清晰的预期、合理的联系和有力的反事实为特征，将引导你顺利通过这个喧嚣、纷繁复杂的世界。
贝叶斯非参数因果推断
- 21 一月 2024
很少有比因果关系的断言更强烈的说法，也很少有比这更值得争议的说法。一个天真的世界模型——充满了脆弱的联系和非逻辑的推论，是阴谋论和愚蠢的特征。另一方面，对因果关系的精炼和详细的理解，以清晰的预期、合理的联系和有力的反事实为特征，将引导你顺利通过这个喧嚣、纷繁复杂的世界。
贝叶斯非参数因果推断
- 21 一月 2024
很少有比因果关系的断言更强烈的说法，也很少有比这更值得争议的说法。一个天真的世界模型——充满了脆弱的联系和非逻辑的推论，是阴谋论和愚蠢的特征。另一方面，对因果关系的精炼和详细的理解，以清晰的预期、合理的联系和有力的反事实为特征，将引导你顺利通过这个喧嚣、纷繁复杂的世界。
脆弱性和生存回归模型
- 21 十一月 2023
指令“include”：文件未找到：‘/Users/cw/baidu/code/fin_tool/github/pymc-examples/examples/build/jupyter_execute/build/jupyter_execute/build/jupyter_execute/extra_installs.md’
脆弱性和生存回归模型
- 21 十一月 2023
指令“include”：未找到文件：‘/Users/cw/baidu/code/fin_tool/github/pymc-examples/examples/build/jupyter_execute/build/jupyter_execute/extra_installs.md’
脆弱性和生存回归模型
- 21 十一月 2023
指令“include”：未找到文件：‘/Users/cw/baidu/code/fin_tool/github/pymc-examples/examples/build/jupyter_execute/extra_installs.md’
离散选择和随机效用模型
- 21 六月 2023
指令“include”：文件未找到：‘/Users/cw/baidu/code/fin_tool/github/pymc-examples/examples/build/jupyter_execute/build/jupyter_execute/build/jupyter_execute/extra_installs.md’
离散选择和随机效用模型
- 21 六月 2023
指令“include”：未找到文件：‘/Users/cw/baidu/code/fin_tool/github/pymc-examples/examples/build/jupyter_execute/build/jupyter_execute/extra_installs.md’
离散选择和随机效用模型
- 21 六月 2023
指令“include”：未找到文件：‘/Users/cw/baidu/code/fin_tool/github/pymc-examples/examples/build/jupyter_execute/extra_installs.md’
有序分类结果的回归模型
- 21 四月 2023
与统计学的许多领域一样，调查数据的语言也带有词汇过载的特点。在讨论调查设计时，您经常会听到关于基于设计和基于模型的方法之间的对比，这些方法涉及（i）抽样策略和（ii）对相关数据的统计推断。我们不会深入探讨不同的抽样策略，例如：简单随机抽样、整群随机抽样或使用人口加权方案的分层随机抽样。关于这些策略的文献非常丰富，但在本笔记本中，我们将讨论何时以及为什么将模型驱动的统计推断应用于Likert量表的调查响应数据和其他类型的有序分类数据是有用的。
有序分类结果的回归模型
- 21 四月 2023
与统计学的许多领域一样，调查数据的语言也带有词汇过载的特点。在讨论调查设计时，您经常会听到关于基于设计和基于模型的方法之间的对比，这些方法涉及（i）抽样策略和（ii）对相关数据的统计推断。我们不会深入探讨不同的抽样策略，例如：简单随机抽样、整群随机抽样或使用人口加权方案的分层随机抽样。关于这些策略的文献非常丰富，但在本笔记本中，我们将讨论何时以及为什么将模型驱动的统计推断应用于Likert量表的调查响应数据和其他类型的有序分类数据是有用的。
有序分类结果的回归模型
- 21 四月 2023
与统计学的许多领域一样，调查数据的语言也带有词汇过载的特点。在讨论调查设计时，您经常会听到关于基于设计和基于模型的方法之间的对比，这些方法涉及（i）抽样策略和（ii）对相关数据的统计推断。我们不会深入探讨不同的抽样策略，例如：简单随机抽样、整群随机抽样或使用人口加权方案的分层随机抽样。关于这些策略的文献非常丰富，但在本笔记本中，我们将讨论何时以及为什么将模型驱动的统计推断应用于Likert量表的调查响应数据和其他类型的有序分类数据是有用的。
有序分类结果的回归模型
- 21 四月 2023
与统计学的许多领域一样，调查数据的语言也带有词汇过载的特点。在讨论调查设计时，您经常会听到关于基于设计和基于模型的方法之间的对比，这些方法涉及（i）抽样策略和（ii）对相关数据的统计推断。我们不会深入探讨不同的抽样策略，例如：简单随机抽样、整群随机抽样或使用人口加权方案的分层随机抽样。关于这些策略的文献非常丰富，但在本笔记本中，我们将讨论何时以及为什么将模型驱动的统计推断应用于Likert量表的调查响应数据和其他类型的有序分类数据是有用的。
变化的长度模型
- 21 四月 2023
研究变化涉及同时分析个体变化轨迹，并从所研究的个体集合中抽象出更广泛的关于所讨论变化性质的见解。因此，很容易因为专注于树木而忽略了森林。在这个例子中，我们将展示使用分层贝叶斯模型研究个体群体内变化的一些微妙之处——从个体内部视角转向个体间/跨个体视角。
变化的长程模型
- 21 四月 2023
研究变化涉及同时分析个体变化轨迹，并从所研究的个体集合中抽象出更广泛的关于所讨论变化性质的见解。因此，很容易因为专注于树木而忽略了森林。在这个例子中，我们将展示使用分层贝叶斯模型研究个体群体内变化的一些微妙之处——从个体内部视角转向个体间/跨个体视角。
使用结构化AR时间序列进行预测
- 20 十月 2022
贝叶斯结构时间序列模型是一种有趣的方式，可以了解任何观察到的时间序列数据中固有的结构。它还使我们能够向前投影隐含的预测分布，从而为我们提供另一种预测问题的视角。我们可以将观察到的时间序列数据的已学习特征视为关于同一指标未实现的未来状态结构的参考信息。
使用结构化AR时间序列进行预测
- 20 十月 2022
贝叶斯结构时间序列模型是一种有趣的方式，可以了解任何观察到的时间序列数据中固有的结构。它还使我们能够向前投影隐含的预测分布，从而为我们提供另一种预测问题的视角。我们可以将观察到的时间序列数据的已学习特征视为关于同一指标未实现的未来状态结构的参考信息。
使用结构化AR时间序列进行预测
- 20 十月 2022
贝叶斯结构时间序列模型是一种有趣的方式，可以了解任何观察到的时间序列数据中固有的结构。它还使我们能够向前投影隐含的预测分布，从而为我们提供另一种预测问题的视角。我们可以将观察到的时间序列数据的已学习特征视为关于同一指标未实现的未来状态结构的参考信息。
使用结构化AR时间序列进行预测
- 20 十月 2022
贝叶斯结构时间序列模型是一种有趣的方式，可以了解任何观察到的时间序列数据中固有的结构。它还使我们能够向前投影隐含的预测分布，从而为我们提供另一种预测问题的视角。我们可以将观察到的时间序列数据的已学习特征视为关于同一指标未实现的未来状态结构的参考信息。