Statistiche bayesiane
IBM® SPSS® Statistics fornisce supporto per le seguenti statistiche bayesiane.
- Un esempio e Pandate di esempio T - test
- La procedura di Inferenza di esempio Bayesiana One fornisce opzioni per rendere l'inferenza bayesiana su uno - campione e a due campioni accoppiati a t - test caratterizzando le distribuzioni posteriori. Quando si hanno dati normali, è possibile utilizzare un normale precedente per ottenere un normale posteriore.
- Test Binomiale Proporzione
- L'Inferenza di esempio Bayesiana: la procedura binomiale fornisce le opzioni per l'esecuzione dell'inferenza bayesiana a campione sulla distribuzione binomiale. Il parametro di interesse è π, che indica la probabilità di successo in un numero fisso di prove che potrebbe portare a un esito positivo o negativo. Da notare che ogni processo è indipendente l'uno dall'altro, e la probabilità π rimane la stessa in ogni processo. Una variabile casuale binomiale può essere visualizzata come la somma di un numero fisso di prove Bernoulli indipendenti.
- Analisi distribuzione di Poisson
- L'Inferenza di esempio Bayesiana: la procedura di Poisson fornisce opzioni per l'esecuzione dell'inferenza bayesiana su distribuzione di Poisson. La distribuzione di Poisson, un modello utile per gli eventi rari, presuppone che entro piccoli intervalli di tempo, la probabilità che un evento si verifichi sia proporzionale alla durata dell'attesa. Una probabilità a priori coniugata all'interno di una famiglia di distribuzione Gamma viene utilizzata quando si traccia l'inferenza statistica bayesiana su una distribuzione Poisson.
- Campioni correlati
- Il design di inferenza del campione correlato Bayesiana è abbastanza simile all'inferenza bayesiana a campione in termini di gestione dei campioni accoppiati. È possibile specificare nomi variabile in coppie ed eseguire l'analisi bayesiana sulla differenza media.
- Campioni Indipendenti T - test
- La procedura di inferenza del campione indipendente bayesiana fornisce opzioni per l'utilizzo di una variabile di gruppo per definire due gruppi indipendenti, e rendere l'inferenza bayesiana sulla differenza dei due mezzi di gruppo. È possibile stimare i fattori di Bayes utilizzando approcci diversi, e caratterizzare anche la distribuzione posteriore desiderata o ipotizzando che le varianze siano note o sconosciute.
- Pairwise Correlazione (Pearson)
- L'inferenza bayesiana circa il coefficiente di correlazione di Pearson misura la relazione lineare tra due variabili di scala seguendo congiuntamente una distribuzione normale bivariata. L'inferenza statistica convenzionale relativa al coefficiente di correlazione è stata ampiamente discussa, e la sua pratica è stata a lungo offerta in IBM SPSS Statistics. Il disegno dell'inferenza bayesiana circa il coefficiente di correlazione di Pearson consente di disegnare l'inferenza bayesiana stimando i fattori di Bayes e caratterizzando le distribuzioni posteriori.
- Regressione lineare
- L'inferenza bayesiana su Linear Regression è un metodo statistico ampiamente utilizzato nella modellazione quantitativa. La regressione lineare è un approccio di base e standard in cui i ricercatori utilizzano i valori di diverse variabili per spiegare o prevedere valori di un risultato su scala. La regressione lineare univariata bayesiana è un approccio alla regressione lineare dove l'analisi statistica è intrapresa nel contesto dell'inferenza bayesiana.
- ANOVA a una via
- La procedura Bayesiano One-Way ANOVA produce un'analisi unidiretiva della varianza per una variabile dipendente quantitativa da una variabile singolo fattore (indipendente). L'analisi della varianza viene utilizzata per verificare l'ipotesi che diverse medie siano uguali. SPSS Statistics supporta i fattori di Bayes, i priori coniugati e i priori non informativi.
- Tronco - Modelli di regressione lineare
- Il design per testare l'indipendenza di due fattori richiede due variabili categoriali per la costruzione di un tavolo di contingenza, e rende l'inferenza bayesiana sull'associazione a colonne di fila. È possibile stimare i fattori di Bayes assumendo diversi modelli, e caratterizzare la distribuzione posteriore desiderata simulando l'intervallo credibile simultaneo per i termini di interazione.
- Misure ripetute ANOVA a una via
- Il Bayesi One-way Ripetuto Misure ANOVA procedura misura un fattore dallo stesso soggetto ad ogni singolo punto temporale o condizione, e consente di incrociare i soggetti all'interno dei livelli. Si suppone che ogni soggetto abbia un'osservazione unica per ogni punto o condizione (in quanto tale, l'interazione oggetto - trattamento non è contabilizzata).