Successfully reported this slideshow.

BURN-Solymos-Adat-klonozas-2014-07-16

0

Share

Loading in …3
×
1 of 30
1 of 30

BURN-Solymos-Adat-klonozas-2014-07-16

0

Share

Download to read offline

Sólymos Péter (ökológus, R programozó, egy tucat R csomag szerzője, köztük dclone, mefa4 és vegan):

Adat klónozás: híd a Bayes-i és frekventista statisztikai paradigmák között

A hierarchikus modellek felhasználása sokrétű, a kevert modellek illesztésére szolgáló csomagok az R legnépszerűbb tartozékai (pl. lme4). A nem standard modellek illesztése azonban problémákat rejt az átlag felhasználó számára (sokdimenziós integrálok, deriváltak számítása). Ezzel szemben a Bayes-i módszerek térhódítása ezen a területen az MCMC algoritmusoknak és a felhasználó barát szoftvereknek köszönhetően töretlen. Az adat klónozás egyesíti a frekventista és Bayes-i számítási módszerek előnyeit: felhasználó barát szoftverek segítségével lehet frekventista (maximum likelihood) eredményeket nyerni. Ezekért az előnyökért az árat számolásigényben kell megfizetni, hiszen az adatok klónozása révén nyomjuk el a prior eloszlás hatását. Az előadásban a dclone R csomag használatával klasszikus BUGS példákon keresztül mutatom be az adat klónozás algorimus működését és azt, hogy hogyan lehet parallel módon csökkenteni a számítások időigényét. Röviden kitérek a dcmle csomag nyújtotta fejlesztői környzetre is.

Sólymos Péter (ökológus, R programozó, egy tucat R csomag szerzője, köztük dclone, mefa4 és vegan):

Adat klónozás: híd a Bayes-i és frekventista statisztikai paradigmák között

A hierarchikus modellek felhasználása sokrétű, a kevert modellek illesztésére szolgáló csomagok az R legnépszerűbb tartozékai (pl. lme4). A nem standard modellek illesztése azonban problémákat rejt az átlag felhasználó számára (sokdimenziós integrálok, deriváltak számítása). Ezzel szemben a Bayes-i módszerek térhódítása ezen a területen az MCMC algoritmusoknak és a felhasználó barát szoftvereknek köszönhetően töretlen. Az adat klónozás egyesíti a frekventista és Bayes-i számítási módszerek előnyeit: felhasználó barát szoftverek segítségével lehet frekventista (maximum likelihood) eredményeket nyerni. Ezekért az előnyökért az árat számolásigényben kell megfizetni, hiszen az adatok klónozása révén nyomjuk el a prior eloszlás hatását. Az előadásban a dclone R csomag használatával klasszikus BUGS példákon keresztül mutatom be az adat klónozás algorimus működését és azt, hogy hogyan lehet parallel módon csökkenteni a számítások időigényét. Röviden kitérek a dcmle csomag nyújtotta fejlesztői környzetre is.

More Related Content

Related Books

Free with a 30 day trial from Scribd

See all

Related Audiobooks

Free with a 30 day trial from Scribd

See all

×