The path to a good visualisation using grammar of graphics
La voie vers une bonne visualisation grâce à la grammaire des graphiques
★
★
★
★
☆
4/5
Ben Lambert
@SpartacanUsuals
Centered versus non-centered hierarchical models
Modèles hiérarchiques centrés versus non centrés
★
★
★
★
☆
4/5
What are divergent iterations and what to do about them?
Que sont les itérations divergentes et comment les gérer ?
★
★
★
★
☆
4/5
How to code up a model with discrete parameters in Stan
Comment coder un modèle avec des paramètres discrets dans Stan
★
★
★
★
☆
4/5
How to code up a bespoke probability density in Stan
Comment coder une densité de probabilité sur mesure dans Stan
★
★
★
★
☆
4/5
Introducing Bayes factors and marginal likelihoods
Introduction aux facteurs de Bayes et aux vraisemblances marginales
★
★
★
★
☆
4/5
Why we typically use dependent sampling to sample from the posterior
Pourquoi nous utilisons généralement un échantillonnage dépendant pour échantillonner à partir de la distribution a posteriori
★
★
★
★
☆
4/5
What is a posterior predictive check and why is it useful?
Qu'est-ce qu'un contrôle prédictif postérieur et pourquoi est-il utile ?
★
★
★
★
☆
4/5
The problems with using simple Monte Carlo to determine the marginal likelihood
Les problèmes liés à l'utilisation du Monte Carlo simple pour déterminer la vraisemblance marginale
★
★
★
★
☆
4/5
The problem with discrete approximation to integrals or probability densities
Le problème de l'approximation discrète des intégrales ou des densités de probabilité
★
★
★
★
☆
4/5
The intuition behind the Hamiltonian Monte Carlo algorithm
L'intuition derrière l'algorithme Hamiltonian Monte Carlo
★
★
★
★
☆
4/5
How to derive a Gibbs sampling routine in general
Comment dériver une routine d'échantillonnage de Gibbs en général
★
★
★
★
☆
4/5
Explaining the Kullback-Liebler divergence through secret codes
Explication de la divergence de Kullback-Leibler par des codes secrets
★
★
★
★
☆
4/5
Explaining the difference between confidence and credible intervals
Expliquer la différence entre les intervalles de confiance et les intervalles crédibles
★
★
★
★
☆
4/5
Estimating the posterior predictive distribution by sampling
Estimation de la distribution prédictive postérieure par échantillonnage
★
★
★
★
☆
4/5
Effective sample size: representing the cost of dependent sampling
Taille effective de l'échantillon : représentant le coût de l'échantillonnage dépendant
★
★
★
★
☆
4/5
Constrained parameters? Use Metropolis-Hastings
Paramètres contraints ? Utilisez Metropolis-Hastings
★
★
★
★
☆
4/5
An introduction to the Random Walk Metropolis algorithm
Une introduction à l'algorithme Random Walk Metropolis
★
★
★
★
☆
4/5
An introduction to the Poisson distribution - 2
Une introduction à la distribution de Poisson - 2
★
★
★
★
☆
4/5
An introduction to numerical integration through Gaussian quadrature
Introduction à l'intégration numérique par quadrature gaussienne
★
★
★
★
☆
4/5
An introduction to inverse transform sampling
Une introduction à l'échantillonnage par transformée inverse
★
★
★
★
☆
4/5
An introduction to importance sampling - optimal importance distributions
Introduction à l'échantillonnage d'importance - distributions d'importance optimales
★
★
★
★
☆
4/5
An introduction to continuous marginal probability distributions
Une introduction aux distributions de probabilité marginales continues
★
★
★
★
☆
4/5
Evaluating model fit through AIC, DIC, WAIC and LOO-CV
Évaluation de l'adéquation du modèle par le biais des critères AIC, DIC, WAIC et LOO-CV
★
★
★
★
☆
4/5
The syllabus covered by the book and YouTube course
Le programme couvert par le livre et le cours YouTube
★
★
★
★
☆
4/5
Factor analysis: predicted variance and covariance of indicators - part 1
Analyse factorielle : variance et covariance prédites des indicateurs - partie 1
★
★
★
★
☆
4/5
Selection bias as viewed as a problem with samples
Biais de sélection vu comme un problème avec les échantillons
★
★
★
★
☆
4/5
Sample balancing via stratification and matching
Équilibrage de l'échantillon par stratification et appariement
★
★
★
★
☆
4/5
