Belirli bir çıkarım problemi için, Bayesci bir yaklaşımın genellikle hem biçim olarak hem de fütürist bir yaklaşımdan kaynaklandığını biliyoruz. Sık sık (genellikle beni içerir) çoğu zaman yöntemlerinin bir önceliğe ihtiyaç duymadığına ve dolayısıyla "yargıya dayalı" olmaktan çok "veri güdümlü" olduğuna işaret eder. Tabii ki Bayesian bilgilendirici olmayan önceliklere işaret edebilir veya pragmatik olmak için gerçekten yaygın olanı kullanabilir.
Benim endişem, özellikle de kendi sezgisel nesnelliğimde bir tiksinti hissi verdikten sonra, belki de "objektif" yöntemlerimin, alışılmadık bir önceki ve veri modeliyle de olsa, Bayesci bir çerçevede formüle edilebileceğidir. Bu durumda, sıkıcı yöntemimin ima ettiği mantıksız önceki ve modelden mutlu bir şekilde cahil miyim ?
Eğer Bayesyan böyle bir formülasyona işaret etseydi, ilk tepkim "Bunu yapabilmeniz hoş, ama sorun hakkında böyle düşünmüyorum !" Demek olurdu . Ancak, bunun hakkında nasıl düşündüğümü ya da nasıl formüle ettiğimi kim önemsiyor . Benim prosedürüm istatistiksel / matematiksel olarak bazı Bayesci modelle eşdeğerse , o zaman dolaylı olarak ( farkında olmadan !) Bayesci çıkarım gerçekleştiriyorum.
Aşağıdaki Gerçek Soru
Bu gerçekleşme, kendini beğenmiş olma arzusunu büyük ölçüde baltalamıştır. Ancak, Bayesci paradigmanın tüm sıkça uygulanan prosedürleri barındırabileceğinden emin değilim (yine Bayesci'nin uygun bir önceliği ve olasılığı seçmesi şartıyla) . Ben tersi biliyorum olduğu yanlış.
Bunu soruyorum çünkü son zamanlarda şartlı çıkarım hakkında bir soru yayınladım, bu da beni şu makaleye götürdü: burada (bkz. 3.9.5,3.9.6)
Basu'nun iyi bilinen sonucuna, hangi "ilgili altkümenin" en alakalı olduğu sorusunu dilenerek birden fazla yardımcı istatistik olabileceğine dikkat çekiyorlar . Daha da kötüsü, benzersiz bir yardımcı istatistiğiniz olsa bile, diğer ilgili alt kümelerin varlığını ortadan kaldırmayacağı konusunda iki örnek gösterirler.
Sadece Bayesci yöntemlerin (veya bunlara eşdeğer yöntemlerin) bu problemden kaçınarak, koşulsuz koşullu çıkarımlara izin verebileceği sonucuna varırlar.
Bayes İstatistikleri Fequentist İstatistikler - buradaki bu gruba sorum şu olabilir. Ancak, iki paradigma arasındaki temel bir seçimin felsefede hedeflerden daha az yattığı görülmektedir: yüksek koşullu doğruluk veya düşük koşulsuz hataya ihtiyacınız var:
Tek bir örneği analiz etmemiz gerektiğinde yüksek koşullu doğruluk uygulanabilir görünüyor - bu yöntemin bir sonraki veri seti (hiper-koşulluluk / uzmanlık) için uygun veya doğru olmamasına rağmen, bu özel çıkarım için doğru olmak istiyoruz.
Uzun vadede hatamız en aza indirildiği veya kontrol edildiği sürece, bazı durumlarda koşullu olarak yanlış çıkarımlar yapmaya istekli olduğumuzda düşük koşulsuz hata uygundur. Dürüst olmak gerekirse, bunu yazdıktan sonra, zaman ayırmadıkça ve Bayesci bir analiz yapamadığımda neden bunu isteyeceğimden emin değilim ... hmmm.
Olabilirlik işlevinden bazı (asimtotik / yaklaşık) koşulluluk elde ettiğim için olasılık temelli feentist çıkarımdan yana olma eğilimindeyim, ancak bir öncekiyle uğraşmaya gerek yok - ancak, özellikle Bayesian çıkarımıyla giderek daha rahat hale geldim Daha önce küçük örnek çıkarımı için düzenli bir terim görüyorum .
Bir kenara özür dilerim. Ana sorunum için herhangi bir yardım takdir.