Time - series II

Algoritmo utilizado para obtener distribuciones posterior:

• Filtro de Kalman

• Newton-Raphson

• Gibbs Sampling

• Metropolis-Hodrick

La posterior es proporcional a:

• La prior y la likelihood

• la likelihood y la varianza

• la prior y posterior

• la likelihood y la media condicional

La posterior se puede interpretar como:

• Una distribución que se puede obtener siempre de manera analítica

• Una distribución condicional

• Un promedio ponderado entre la likelihood y la prior

• Una densidad que solo se puede obtener por simulación

• Posterior

• Prior condicional

• Posterior condicional

• Prior

• Normal

• t-student

• Normal estándar

• Gamma

En el Gibbs Sampling, ¿cómo se le llama a las primeras M-H iteraciones descartadas?

• Burn-out

• Burn-on

• Burn-in

• Burn-up

Una prior conjugada es:

• Aquella donde no es posible derivar analíticamente la integración de la posterior conjunta

• Aquella que, cuando es combinada con la likelihood, se obtiene una posterior con la misma distribución

• Una creencia difusa o no informativa que asigna poco peso a la distribución prior

Seleccione la opción INCORRECTA:

• El enfoque frecuentista solo se basa en los datos

• El enfoque bayesiano incorpora información de los datos y las creencias a posteriori

• En el enfoque bayesiano obtenemos distribuciones de parámetros

• En el enfoque frecuentista obtenemos un solo set de parámetros