Olabilirlik İlkesi ile ilgili sorular


17

Şu anda Olabilirlik Prensibini anlamaya çalışıyorum ve açıkçası hiç anlamıyorum. Bu yüzden, oldukça basit sorular olsa bile tüm sorumu bir liste olarak yazacağım.

  • "Tüm bilgi" ifadesi bu ilke bağlamında tam olarak ne anlama geliyor? ( bir örnekteki tüm bilgilerde olduğu gibi olabilirlik fonksiyonunda bulunur.)
  • İlke bir şekilde nin çok kanıtlanabilir bir gerçekle bağlantılı mı? Prensipte "olabilirlik" p ( y | x ) ile aynı şey midir, değil midir?p(x|y)p(y|x)p(x)p(y|x)
  • Matematiksel bir teorem nasıl "tartışmalı" olabilir? Benim (zayıf) matematik anlayışım, bir teoremin kanıtlanmış ya da kanıtlanmamış olmasıdır. Olabilirlik İlkesi hangi kategoriye girer?
  • formülüne dayanan Bayes çıkarımında Olabilirlik İlkesi nasıl önemlidir ?p(x|y)p(y|x)p(x)

Karel, lütfen bir göz atın: ime.usp.br/~pmarques/papers/redux.pdf
Zen

Ayrıca bkz. Greg Gandenberger'in sitesi: gandenberger.org
Michael Lew - Monica'yı eski durumuna

Yanıtlar:


10

Olabilirlik ilkesi, değişken anlam ve anlaşılabilirlik ile birçok farklı şekilde ifade edilmiştir. AWF Edwards'ın Olabilirlik kitabı, hem olasılığın birçok yönüne hem de hala basılı olan mükemmel bir giriş niteliğindedir. Edwards, olabilirlik ilkesini şu şekilde tanımlar:

"İstatistiksel bir model çerçevesinde, verilerin iki hipotezin nispi esasına ilişkin sağladığı tüm bilgiler, bu hipotezlerin olasılık oranında yer almaktadır." (Edwards 1972, 1992 sayfa 30)

Şimdi cevaplara.

  1. Alıntıladığınız gibi, "örnekteki tüm bilgiler", olasılık ilkesinin ilgili kısmının yetersiz bir ifadesidir. Edwards bunu çok daha iyi söylüyor: Model önemlidir ve ilgili bilgiler hipotezlerin göreceli değerleriyle ilgili bilgilerdir. Olasılık oranının sadece söz konusu hipotezlerin aynı istatistiksel modelden geldiği ve karşılıklı olarak münhasır olduğu yerlerde mantıklı olduğunu belirtmek yararlıdır. Gerçekte, oranın yararlı olabilmesi için aynı olabilirlik işlevi üzerinde nokta olması gerekir.

  2. Olabilirlik ilkesi, görebileceğiniz gibi Bayes teoremi ile ilgilidir, ancak Bayes teoremine başvurmadan kanıtlanabilir. Evet, p (x | y), x, veri ve y bir hipotez olduğu sürece (sadece varsayılmış bir parametre değeri olabilir) bir olasılıktır (orantılı).

  3. Olabilirlik ilkesi tartışmalıdır çünkü kanıtına itiraz edilmiştir. Bence bozulmalar arızalı, ancak yine de tartışmalı. (Farklı bir seviyede, olasılık ilkesinin tartışmalı olduğu söylenebilir, çünkü sık sık çıkarım yöntemlerinin bazı açılardan hatalı olduğunu ima eder. Bazı insanlar bunu sevmez.) Olasılık ilkesi kanıtlanmıştır, ancak kapsamı alaka düzeyi, eleştirmenlerin düşündüğünden daha kısıtlı olabilir.

  4. Olabilirlik prensibi Bayesian yöntemleri için önemlidir, çünkü veriler olasılıklar aracılığıyla Bayes denklemine girer. Çoğu Bayesci yöntem olabilirlik prensibine uygundur, ancak hepsi değil. Edwards ve Royall gibi bazı insanlar, Bayes teoremini, "saf olabilirlik çıkarımını" kullanmadan olasılık fonksiyonlarına dayanarak çıkarımların yapılabileceğini iddia ediyorlar. Bu da tartışmalı. Aslında, muhtemelen olasılık ilkesinden daha tartışmalıdır, çünkü Bayesliler sık ​​sık insanlarla saf olasılık yöntemlerinin uygun olmadığı konusunda hemfikirdir. (Düşmanımın düşmanı ...)


"Olasılık oranının sadece söz konusu hipotezlerin aynı istatistiksel modelden geldiği yerde mantıklı olduğunu belirtmekte fayda var" - bu tam olarak ne anlama geliyor? Görünüşe göre, farklı dağıtım ailelerinden modelleri karşılaştıramayacağınızı söylüyorsunuz, ki öyle değil.
Scortchi - Eski durumuna getir Monica

Olasılıklar sadece * p * (x | y) ile orantılı olduğundan, her zaman bilinmeyen bir orantı sabiti vardır. Farklı istatistiksel modeller, farklı orantılılık sabitlerine izin verir ve bu nedenle olasılıklar ölçülemez olabilir.
Michael Lew - Monica'yı

Bazen farklı modeller tek bir olabilirlik fonksiyonu (genellikle çok boyutlu) verecek şekilde düzenlenebilir, böylece olasılıklar makul bir şekilde karşılaştırılabilir, ancak bu her zaman mümkün değildir.
Michael Lew - Monica'yı

1
Belki de bazı incelikleri kaçırıyorum, ancak benim anlayışım, bir olasılıkla bilinmeyen sabitler olmadığı, sadece aynı aileden modeller için olasılık oranını hesapladığınızda iptal edilen sabitler ve bu yüzden göz ardı ediliyor. Neyse: veri içinx ve herhangi bir yoğunluk f & g parametrelerle θ & φ, İstatistiği çağırırım
f(x;θ^)g(x;φ^)
olabilirlik oranı; Ve bunun için çıkarım için kullanılabilir.
Scortchi

1
Bkz. Cox (1961), Ayrı Hipotez Ailelerinin Testleri, Proc. 4. Berkeley Symp. Matematik. Devletçi. ve Prob. 1 . Elbette Wilks teoremi geçerli değildir, bu nedenle logaritması iki kez dağıtılmaz.χ2.
Scortchi - Eski durumuna getir Monica
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.