Discover and read the best of Twitter Threads about #Bayes

Most recents (12)

#ReadingDiaryTartakovskyEtAl-2

Abschnitt 1.2.2 von Abschnitt 1.2 ist eine einleitende Übersicht ueber die andere 'theoretische Marschroute': schnellstmögliche Anomalie-Erkennung, insbesondere in sequenziellen Daten.

Der erste Absatz wiederholt Selbstverständliches:
>
>
(1) jede nichttriviale Definition von 'Anomalie' kann zu Fehlalarmen führen;
(2) der Wunsch, Anomalien schnell zu erkennen, begünstigt Fehlalarme;
(3) der Versuch, Fehlalarme zu vermeiden, führt tendenziell zu langen Latenzzeiten (bis Anomalie gemeldet wird).

Der Absatz
>
>ist nicht gut geschrieben: ein Satz ist ungrammatisch, ein anderer enthält ein #Plenking.

Im nächsten Absatz wird eine Unterscheidung zweier Richtungen in der Literatur zur Anomalieerkennung eingeführt: #Bayes-Methoden einerseits, #Minimax-Methoden andererseits.

>
Read 4 tweets
💡Zététique ou Autodéfense intellectuelle ? (thread)

Lors de mon enseignement des bases de la #PenséeCritique, la « #zététique » et l'#AutodéfenseIntellectuelle m'ont été présentées de façon confondue : il m'a été longtemps difficile de faire la part des choses entre les deux.👇
De plus, sans même parler d'#AutodéfenseIntellectuelle, la définition du terme #Zététique elle-même semble être différente d'une personne à l'autre.
Je vais ici vous en exposer ma compréhension depuis les cours de @RichMonvoisin à son utilisation dans la communauté des #SceptiquesRationnel·les française et parler brièvement des idéologies associées comme l'#AutodéfenseIntellectuelle afin d'éviter les épouvantails.
Read 60 tweets
New release for @Uber forecasting library 🌈

Orbit is an open-source #Python library for Bayesian time series forecasting and inference applications developed by @UberEng 🧵 👇🏼

#timeseries #forecast #MachineLearning #PyTorch #Bayesian #Bayes
The library uses under the hood probabilistic programming languages with libraries such as #Python @mcmc_stan , Pyro, and #PyTorch to build the forecast estimators.

The new release, version 1.1 includes the following new features and changes: 👇🏼
New #forecasting model - Kernel Time-based #Regression (KTR). KTR model uses latent variables to define a smooth, time-varying representation of regression coefficients. Tutorials: 👇🏼
orbit-ml.readthedocs.io/en/latest/tuto…
orbit-ml.readthedocs.io/en/latest/tuto…
orbit-ml.readthedocs.io/en/latest/tuto…
orbit-ml.readthedocs.io/en/latest/tuto…
Read 8 tweets
Mi sono divertito ad usare il tool online di @bmj_latest per calcolare la capacità predittiva di due test #antigenici disponibili in commercio: un #tampone nasale e un salivare. 1/
Il produttore dichiara per il tampone nasale una sensibilità del 95.4% e una specificità del 99.4%. I valori per il test salivare sono più bassi: rispettivamente, 90.1% e 99.3%. 2/
Il tool online di BMJ utilizza il teorema di #Bayes per calcolare la probabilità che un soggetto sia positivo quando il risultato del test è positivo, e quando invece è negativo. 3/
bmj.com/content/369/bm…
Read 10 tweets
1/ Der verschwundene RKI Flyer:

Das hier ist ein großer Vertuschungsskandal, insbesondere kombiniert mit dem „Ermächtigungsgesetz“ 2.0 der sich Notbremse nennt. Der Flyer erklärt das Testproblem sehr anschaulich.

files.catbox.moe/mbemd5.pdf
2/ Der Flyer ist eine gute Darstellung vom Satz von Bayes. Vor der bundeseinheitlichen Notbremse war er noch aufzufinden. Jetzt mit ist es aus dem Netz verschwunden. Es visualisiert dass es zu ewigen „locked-in“ Ausgangsperren kommen kann, alleine mit falsch positiven Tests.
3/ Gegen das neue Gesetzt (eine Groteske basierend auf nicht wissenschaftlichen Methoden) kann nur per Bundesverfassungsgericht vorgegangen werden, und nur als Einzelperson. Sammelklagen sind ausgeschlossen.
Read 16 tweets
1/n: On the occasion of current discussions on testing strategies in #COVID19 let's make a short tweetorial on medical decision making (a branch of biomedical cybernetics, which is underestimated but has enormous impact). #cybernetics #biocybernetics #DecisionTheory
2/n: #Sensitivity, also known as "true positive rate" (TPR) is the fraction of the number of diseased subjects with positive test divided by all diseased patients. Since in both numerator and denominator are pure counts it is independent of the prevalence of the disease:
3/n: Likewise, the true-negative rate (TNR), the ratio of true negatives to the sum of false positives and true negatives, is independent of the prevalence:
Read 13 tweets
Je vous propose un petit exercice de pensée critique.

Imaginons que vous n'ayez absolument aucune idée apriori de la fiabilité de ce train.

Vous l'empruntez 15 fois,
et il arrive en retard 15 fois.

Quel est a votre avis la proportion habituelle de train en retard ?
Cet exercice est inspiré de l'excellente vidéo de @TroncheBiais sur la "Généralisation Abusive".


En s'entrainant un peu a manier les statistiques il me semble qu'il est possible de quantifier a quel point une généralisation est "abusive" ou pas.
_______________________________________

Voici ci-dessous quelques réflexions sur cette difficile question.

Le chiffre recherché est le pourcentage réel de trains qui arrive en retard en moyenne ces dernières année.

Ce chiffre est donc compris entre 0% et 100%.
Read 20 tweets
La @TroncheBiais se lance dans une série de formats courts sur les sophismes et le premier me semble assez problématiques sur quelques points. C'est dommage, j'espère que la suite sera meilleure. 1/
D'abord ce n'est pas expliqué en quoi une généralisation est "abusive" et donc par corrolaire en quoi consisterait une généralisation correcte, non-abusive. Il me semble donc que la vidéo donne l'impression que la généralisation est forcément fautive heureusement non. 2/
Les 2 exemples des trains me paraissent particulièrement bancals. Quelqu'un qui a pris 600 trains et dont 15 auront été en retard n'en tirera généralement pas pour conclusion que les trains sont toujours en retard. Sauf s'il a vraiment très très envie de le croire. 3/
Read 12 tweets
#KTARYA: LIVESTREAM Image
IS IS As "Rules of Engagement":

1. Last post in the thread counts as the live post.
2. ZORK'ish. Same format as Zork. Easy.
3. I'll aggregate multiple responses based my whims.
4. You can post after other people, as long as you are the last post in the thread. Image
Example Commands:

"Turn Left"
"Turn Left 90 Degrees"
"Move forward"
"Say: [ ]"
Read 59 tweets
Im Zusammenhang mit medizinischen Untersuchungen, Labortests und #Screenings ist immer wieder die Rede von Sinnhaftigkeit, Testqualität und Sicherheit der Ergebnisse. Wichtig dabei ist, dass die Genauigkeit eines Tests nicht getrennt von der Testpopulation zu betrachten ist.

2/x
Diesen Zusammenhang beschreibt der Satz von #Bayes, oder #Bayes_Theorem, einer statistischen Betrachtungsweise, die sich mit bedingten Wahrscheinlichkeiten beschäftigt. Ich wende also einen Unterscheidungsmerkmal (Test) auf eine Population mit bestimmten Eigenschaften an.

3/x
Read 19 tweets
I am embarking on my own #PaperPerDayChallenge where I read at least one paper, well, per day for a whole year. To kick start, nature.com/articles/43573… inspired by @ukrepro Reproducibility Workshop @CumberlandLodge and a talk by @MarcusMunafo
Paper #2: Hard not be cynical about advocates of reproducibile science given most have careers built on the very questionable practices they wish to stamp out, so great to see @russpoldrack tackling this head on and offering great advice along the way 👍 ac.els-cdn.com/S0896627318310…
Paper #3 - false positives from multiple testing in anovas and importance of distinguishing exploratory and confirmatory hypotheses — also I thought anovas corrected for Multiple testing and this paper shows so too do many others, I’m not the only idiot! link.springer.com/content/pdf/10…
Read 245 tweets
Neural ensembles are groups of co-active neurons that may be triggered spontaneously, by sensory stimuli or behavior. Such ensembles are therefore likely to constitute the building blocks of brain function, but little is known about their structure, organization and dynamics.
Studying neural ensembles relies on our ability to identify them. Unlike existing methods, @Giovann82176354 provides a model based approach that uses Bayesian inference techniques to obtain probabilistic estimates of the number, composition and dynamics of neural ensembles.
By applying this method my 2-photon volumetric recordings of spontaneous activity in the optic tectum we recover the structure of multiple spatially compact ensembles spanning multiple imaging planes. (note: this visualization was controlled by a Nintendo 64!)
Read 7 tweets

Related hashtags

Did Thread Reader help you today?

Support us! We are indie developers!


This site is made by just two indie developers on a laptop doing marketing, support and development! Read more about the story.

Become a Premium Member ($3.00/month or $30.00/year) and get exclusive features!

Become Premium

Too expensive? Make a small donation by buying us coffee ($5) or help with server cost ($10)

Donate via Paypal Become our Patreon

Thank you for your support!