lmc2179/bayesian_bootstrap
این پروژه یک ابزار پایتونی برای انجام بوت‌استرپ بیزی است که روشی آماری برای تخمین توزیع پارامترها بدون فرض توزیع خاصی (مانند نرمال بودن) است.
کاربرد:
این کتابخانه به جای استفاده از روش‌های کلاسیک بوت‌استرپ، از رویکرد بیزی استفاده می‌کند تا با نمونه‌گیری از توزیع پسین، عدم قطعیت در تخمین‌ها را بهتر نشان دهد.
در چه شرایطی بهتره استفاده شود؟
وقتی داده‌های شما کوچک هستند یا توزیع آن‌ها نامشخص است، استفاده از بوت‌استرپ بیزی می‌تواند به تخمین‌های قوی‌تر و واقع‌بینانه‌تری منجر شود. همچنین وقتی می‌خواهید از فرضیات کلاسیک آماری دوری کنید، این روش گزینه مناسبی است.
چند مثال از موارد استفاده:
- تخمین بازه اعتبار (Credible Interval) برای میانگین داده‌ها بدون فرض نرمال بودن
- ارزیابی عدم قطعیت در ضرایب رگرسیون در داده‌های کوچک
- مقایسه میانگین دو گروه با رویکرد بیزی و بدون آزمون t کلاسیک
- ##BayesianStatistics
- ##Bootstrap
- ##Python
- ##DataScience
- ##UncertaintyQuantification
- ##StatisticalInference
- ##MachineLearning
- ##BayesianInference
- ##DataAnalysis
- ##PyData