标签为 posterior predictive 的文章

辛普森悖论

• 21 九月 2024
Benjamin T. Vincent
beginner
regression hierarchical model linear model posterior predictive causal inference Simpson's paradox

辛普森悖论描述了一种情况，即在某个组内两个变量之间可能存在负相关关系，但当来自多个组的数据合并时，这种关系可能会消失甚至反转符号。下面的gif（来自辛普森悖论的维基百科页面）很好地展示了这一点。

阅读更多 ...

---

辛普森悖论

• 21 九月 2024
Benjamin T. Vincent
beginner
regression hierarchical model linear model posterior predictive causal inference Simpson's paradox

辛普森悖论描述了一种情况，即在某个组内两个变量之间可能存在负相关关系，但当来自多个组的数据合并时，这种关系可能会消失甚至反转符号。下面的gif（来自辛普森悖论的维基百科页面）很好地展示了这一点。

阅读更多...

---

辛普森悖论

• 21 九月 2024
Benjamin T. Vincent
beginner
regression hierarchical model linear model posterior predictive causal inference Simpson's paradox

辛普森悖论描述了一种情况，即在某个组内两个变量之间可能存在负相关关系，但当来自多个组的数据合并时，这种关系可能会消失甚至反转符号。下面的gif（来自辛普森悖论的维基百科页面）很好地展示了这一点。

阅读更多 ...

---

辛普森悖论

• 21 九月 2024
Benjamin T. Vincent
beginner
regression hierarchical model linear model posterior predictive causal inference Simpson's paradox

辛普森悖论描述了一种情况，即在某个组内两个变量之间可能存在负相关关系，但当来自多个组的数据合并时，这种关系可能会消失甚至反转符号。下面的gif（来自辛普森悖论的维基百科页面）很好地展示了这一点。

阅读更多...

---

广义极值分布

• 27 九月 2022
Colin Caprani
beginner
extreme inference posterior predictive

广义极值（GEV）分布是一种包含Weibull、Gumbel和Frechet极值分布族的元分布。它用于建模平稳过程的极值（最大值或最小值）的分布，例如年最大风速、桥梁上的年最大卡车重量等，而无需事先决定尾部行为。

阅读更多 ...

---

广义极值分布

• 27 九月 2022
Colin Caprani
beginner
extreme inference posterior predictive

广义极值（GEV）分布是一种包含Weibull、Gumbel和Frechet极值分布族的元分布。它用于建模平稳过程的极值（最大值或最小值）的分布，例如年最大风速、桥梁上的年最大卡车重量等，而无需事先决定尾部行为。

阅读更多...

---

广义极值分布

• 27 九月 2022
Colin Caprani
beginner
extreme inference posterior predictive

广义极值（GEV）分布是一种包含Weibull、Gumbel和Frechet极值分布族的元分布。它用于建模平稳过程的极值（最大值或最小值）的分布，例如年最大风速、桥梁上的年最大卡车重量等，而无需事先决定尾部行为。

阅读更多 ...

---

广义极值分布

• 27 九月 2022
Colin Caprani
beginner
extreme inference posterior predictive

广义极值（GEV）分布是一种包含Weibull、Gumbel和Frechet极值分布族的元分布。它用于建模平稳过程的极值（最大值或最小值）的分布，例如年最大风速、桥梁上的年最大卡车重量等，而无需事先决定尾部行为。

阅读更多...

---

双重差分法

• 21 九月 2022
Benjamin T. Vincent
intermediate
counterfactuals causal inference time series regression posterior predictive difference in differences quasi experiments panel data

本笔记本简要概述了差异中的差异方法在因果推断中的应用，并展示了一个在贝叶斯框架下使用PyMC进行此类分析的工作示例。虽然本笔记本提供了该方法的高层次概述，但我建议参考两本关于因果推断的优秀教科书。《The Effect》和《Causal Inference: The Mixtape》都有专门介绍差异中的差异的章节。

阅读更多 ...

---

双重差分法

• 21 九月 2022
Benjamin T. Vincent
intermediate
counterfactuals causal inference time series regression posterior predictive difference in differences quasi experiments panel data

本笔记本简要概述了差异中的差异方法在因果推断中的应用，并展示了一个在贝叶斯框架下使用PyMC进行此类分析的工作示例。虽然本笔记本提供了该方法的高层次概述，但我建议参考两本关于因果推断的优秀教科书。《The Effect》和《Causal Inference: The Mixtape》都有专门介绍差异中的差异的章节。

阅读更多 ...

---

双重差分法

• 21 九月 2022
Benjamin T. Vincent
intermediate
counterfactuals causal inference time series regression posterior predictive difference in differences quasi experiments panel data

本笔记本简要概述了差异中的差异方法在因果推断中的应用，并展示了一个在贝叶斯框架下使用PyMC进行此类分析的工作示例。虽然本笔记本提供了该方法的高层次概述，但我建议参考两本关于因果推断的优秀教科书。《The Effect》和《Causal Inference: The Mixtape》都有专门介绍差异中的差异的章节。

阅读更多 ...

---

双重差分法

• 21 九月 2022
Benjamin T. Vincent
intermediate
counterfactuals causal inference time series regression posterior predictive difference in differences quasi experiments panel data

本笔记本简要概述了差异中的差异方法在因果推断中的应用，并展示了一个在贝叶斯框架下使用PyMC进行此类分析的工作示例。虽然本笔记本提供了该方法的高层次概述，但我建议参考两本关于因果推断的优秀教科书。《The Effect》和《Causal Inference: The Mixtape》都有专门介绍差异中的差异的章节。

阅读更多...

---

反事实推断：计算由于COVID-19导致的超额死亡

• 21 七月 2022
Benjamin T. Vincent
intermediate
counterfactuals causal inference time series case study Bayesian workflow forecasting causal impact regression posterior predictive

因果推理和反事实思维是非常有趣但复杂的主题！尽管如此，我们可以通过相对简单的例子来理解这些概念。本笔记本专注于贝叶斯因果推理的概念及其使用PyMC的实际实现。

阅读更多 ...

---

反事实推断：计算由于COVID-19导致的超额死亡

• 21 七月 2022
Benjamin T. Vincent
intermediate
counterfactuals causal inference time series case study Bayesian workflow forecasting causal impact regression posterior predictive

因果推理和反事实思维是非常有趣但复杂的主题！尽管如此，我们可以通过相对简单的例子来理解这些概念。本笔记本专注于贝叶斯因果推理的概念及其使用PyMC的实际实现。

阅读更多 ...

---

反事实推断：计算因COVID-19导致的超额死亡

• 21 七月 2022
Benjamin T. Vincent
intermediate
counterfactuals causal inference time series case study Bayesian workflow forecasting causal impact regression posterior predictive

因果推理和反事实思维是非常有趣但复杂的主题！尽管如此，我们可以通过相对简单的例子来理解这些概念。本笔记本专注于贝叶斯因果推理的概念及其使用PyMC的实际实现。

阅读更多...

---

反事实推断：计算因COVID-19导致的超额死亡

• 21 七月 2022
Benjamin T. Vincent
intermediate
counterfactuals causal inference time series case study Bayesian workflow forecasting causal impact regression posterior predictive

因果推理和反事实思维是非常有趣但复杂的主题！尽管如此，我们可以通过相对简单的例子来理解这些概念。本笔记本专注于贝叶斯因果推理的概念及其使用PyMC的实际实现。

阅读更多 ...

---

使用数据容器

• 16 十二月 2021
Juan Martin Loyola , Kavya Jaiswal , Oriol Abril , Jesse Grabowski
beginner
posterior predictive shared data

在构建了你梦想中的统计模型之后，你需要给它提供一些数据。数据通常以两种方式之一引入PyMC模型。一些数据用作外生输入，在线性回归模型中称为X，其中mu = X @ beta。其他数据是模型内生输出的“观察”示例，在回归模型中称为y，并作为输入用于模型隐含的似然函数。这些数据，无论是外生的还是内生的，都可以以多种数据类型包含在你的模型中，包括numpy ndarrays、pandas Series和DataFrame，甚至pytensor TensorVariables。

阅读更多 ...

---

使用数据容器

• 16 十二月 2021
Juan Martin Loyola , Kavya Jaiswal , Oriol Abril , Jesse Grabowski
beginner
posterior predictive shared data

在构建了你梦想中的统计模型之后，你需要给它提供一些数据。数据通常以两种方式之一引入PyMC模型。一些数据用作外生输入，在线性回归模型中称为X，其中mu = X @ beta。其他数据是模型内生输出的“观察”示例，在回归模型中称为y，并作为输入用于模型隐含的似然函数。这些数据，无论是外生的还是内生的，都可以以多种数据类型包含在你的模型中，包括numpy ndarrays、pandas Series和DataFrame，甚至pytensor TensorVariables。

阅读更多 ...

---

使用数据容器

• 16 十二月 2021
Juan Martin Loyola , Kavya Jaiswal , Oriol Abril , Jesse Grabowski
beginner
posterior predictive shared data

在构建了你梦想中的统计模型之后，你需要给它提供一些数据。数据通常以两种方式之一引入PyMC模型。一些数据用作外生输入，在线性回归模型中称为X，其中mu = X @ beta。其他数据是模型内生输出的“观察”示例，在回归模型中称为y，并作为输入用于模型隐含的似然函数。这些数据，无论是外生的还是内生的，都可以以多种数据类型包含在你的模型中，包括numpy ndarrays、pandas Series和DataFrame，甚至pytensor TensorVariables。

阅读更多...

---

使用数据容器

• 16 十二月 2021
Juan Martin Loyola , Kavya Jaiswal , Oriol Abril , Jesse Grabowski
beginner
posterior predictive shared data

在构建了你梦想中的统计模型之后，你需要给它提供一些数据。数据通常以两种方式之一引入PyMC模型。一些数据用作外生输入，在线性回归模型中称为X，其中mu = X @ beta。其他数据是模型内生输出的“观察”示例，在回归模型中称为y，并作为输入用于模型隐含的似然函数。这些数据，无论是外生的还是内生的，都可以以多种数据类型包含在你的模型中，包括numpy ndarrays、pandas Series和DataFrame，甚至pytensor TensorVariables。

阅读更多...

---