MerQuR+İstatistik Sözlüğü

İstatistik Sözlüğü → Sonsal (posterior) dağılım ve sonsal kestirim kontrolü

Sonsal (posterior) dağılım ve sonsal kestirim kontrolükavram

Bayesçi analizde, önsel bilgi ile verinin birleştirilmesiyle elde edilen ve bir parametrenin olası değerlerine ilişkin güncellenmiş inancı gösteren olasılık dağılımı; sonsal kestirim kontrolü bu dağılımdan üretilen verilerle modelin uyumunu sınar.

Bayes teoremi, sonsal dağılımı önsel dağılım ile olabilirliğin çarpımıyla orantılı olarak tanımlar: p(θ | veri) ∝ p(veri | θ) · p(θ). Sonsal dağılım çoğu zaman analitik olarak hesaplanamaz ve MCMC gibi simülasyon yöntemleriyle ondan örnek çekilir. Bu örneklerden sonsal ortalama ya da medyan (nokta tahmini), sonsal standart sapma ve inanılırlık aralıkları (ör. %95 en yüksek yoğunluk aralığı, HDI) hesaplanır. Frekansçı güven aralığından farklı olarak %95 inanılırlık aralığı, 'verilen veri ve önsel altında parametrenin bu aralıkta bulunma olasılığı %95'tir' biçiminde doğrudan yorumlanabilir.

Sonsal kestirim kontrolünde sonsal dağılımdan çekilen parametre değerleriyle yeni veri setleri simüle edilir ve bunlar gözlenen veriyle karşılaştırılır. Simüle edilen veriler gözlenen verinin önemli özelliklerini (ortalama, yayılım, aşırı sıfırlar, uç değerler) yeniden üretemiyorsa model yetersizdir. Örneklem küçükse sonsal dağılım önsel seçimine duyarlı olabilir; bu yüzden farklı önsellerle duyarlılık analizi yapılmalıdır. MCMC örneklerinin yakınsadığı da R-hat ve etkin örneklem büyüklüğü gibi tanılarla denetlenmelidir.

Gündelik bir örnek

Bir hekim, bir hastanın belirtilerine bakarak hastalık olasılığını başta %20 olarak tahmin ediyor (önsel). Ardından gelen bir test sonucu bu tahmini güncelliyor ve olasılık %60'a çıkıyor (sonsal). Hekim, modelinin ne kadar iyi olduğunu görmek için de şunu soruyor: 'Benim tahminlerim doğruysa, benzer hastalarda ne tür test sonuçları görmeliydim?' ve bunu gerçekte gördükleriyle karşılaştırıyor. Bu ikinci adım sonsal kestirim kontrolüdür.

MerQur'da

Bayesci t Testi (BEST), Bayesci Korelasyon, Bayesci ANOVA ve Bayesci Doğrusal Regresyon analizlerinin temel çıktısıdır. GLMM'de VB (ortalama-alan) tahmini sonsalı yaklaşıklar, Çoklu Atamada BayesianRidge seçeneği sonsal örnekleme yapar; Diskriminant Analizi, Gizil Sınıf ve Gizil Profil Analizi sınıf ya da profil üyeliği için sonsal olasılıklar verir.

Bu kavramın geçtiği analizler

Genelleştirilmiş Doğrusal Karma ModellerDiskriminant AnaliziGizil Sınıf AnaliziGizil Profil AnaliziBayesci t TestiBayesci KorelasyonBayesci ANOVABayesci Doğrusal RegresyonÇoklu Atama

İlgili kavramlar

Önsel (prior) dağılımİnanılırlık aralığı ve en yüksek yoğunluk aralığı (HDI)