Bài giảng 55: Suy luận Bayes với mô hình beta-binomial

[@SolvingOptimizationProblems]

Thank you very much Prof. Tuan for your time and dedication. Many generations of Vietnamese students and researchers will benefit from this kind of lectures.

[@cttv1336]

Tuyệt vời quá giáo sư ơi. Em chờ những bài giảng của giáo sư mãi ạ

[@thangnamhoa5511]

Cảm ơn Chú về bài giảng. Nó rất hữu ích cho sinh viên như cháu. Hy vọng chú tuấn có bài giảng về phân tích hồi quy chuỗi thời gian Và mô hinh VAR và Bayes VAR. Cháu cảm ơn chú nhiều!

Xin cảm ơn Thầy rất nhiều.

[@thaicong9695]

Em cám ơn thầy giờ em mới biết đến ạ

[@thanhduyvo6656]

Thưa thầy, em xin hỏi: Nếu dùng beta-binomial model trong suy luận Bayes để ước tính tỉ lệ hiện mắc của một bệnh thì có thể dùng công thức tính cỡ mẫu nào? Hay chúng ta có thể sử dụng mô hình này cho bất kỳ cỡ mẫu quan sát được ạ? Em xin cảm ơn thầy!

[@test-gw8og]

post.prob=dbeta(theta,x + alpha, n-x+beta) là hàm mật độ, không phải là xác suất hậu nghiệm.

[@tapchoimaivang4339]

Cám ơn thầy nhiều, em đang hóng mcmc và hồi quy Bayes

[@tyclvn]

Mình có video về đề tài này

[@test-gw8og]

Giáo sư có thể giải thích tại sao ở slide 34:54 thì công thức posterior ∝ likelihood * prior nhưng đến những slide sau thì Giáo sư tính lại tính posterior = (likelihood * prior) / sum(likelihood * prior) ?

[@satthukhettieng]

mới coi xong slide của thầy thi tìm được bài này, y chang những gì thấy giảng www.stat.columbia.edu/~gelman/stuff_for_blog/ohagan.pdf

[@hoanggiangpham9312]

Em cảm ơn thầy về bài giảng. Thầy có thể làm video về mô hình classification KNN, linear regression ridge, elasticnet và về decision tree trong R dc ko ạ ?

[@TienVo-mf3te]

dạ cho em hỏi em mới vô học được các clip đầu của thầy và trang web: statistics.vn ko thể kết nối được h em phải vào web nào ạ

[@satthukhettieng]

ban google van ra vai github repo co chua file data do ban

[@popperpund2353]

17:00

[@khaihoanang6669]

dạ thầy ơi cái chỗ tính likelihood trong công thức thầy thiếu cái tổ hợp 130C2 phải không ạ ?

[@minhcongnguyen5917]

nếu thêm hằng số nhân 130C2 vào chỗ tính likelihood thì tất cả prior*likelihood nhân thêm 130C2 và sum của prior*likelihood cũng được nhân thêm 130C2, khi đó posterior = prior*likelihood/sum vẫn không đổi, do đó khi tính toán công thức lược bỏ đi hằng số nhân 130C2 luôn đo bạn.

[@khaihoanang8341]

@@minhcongnguyen5917 dạ em cảm ơn ạ

[@othanh5808]

Em chào thầy ạ. Thầy và các bạn cho em hỏu. Em muốn trích dữ liệu bằng R ra file exel thì làm ntn ạ? Em cảm ơn ạ

[@davidanh8031]

library(openxlsx) write.xlsx(dataframe, paste0("C:/Users/.."))

[@khaihoanang6669]

Dạ thầy cho em hỏi nếu x và n quá lớn thì mình có thể xấp xỉ về pp chuẩn được không ạ tại em tính ra cái likelihood nó ra bằng 0 hết r ạ ,hay mình phải dùng phân phối khác ạ ?

[@test-gw8og]

Nguyên tắc là khi n lớn, x/n -> 1/2 thì phân phối binomial -> normal. Nhưng câu hỏi của bạn không rõ, vì sao likelihood bằng 0 ? Chú ý là khi trong tính toán bayes, không bao giờ dùng phép nhân mà chuyển về log để thành phép cộng.