Küsimus:
Kas töötavad statistikud hoolivad sageduse ja Bayesi järelduse erinevusest?
Jonathan Fischoff
2010-08-13 01:09:34 UTC
view on stackexchange narkive permalink

Autsaiderina näib, et on kaks konkureerivat vaadet selle kohta, kuidas statistilist järeldust tegema peaks.

Kas töötavad statistikud peavad kahte erinevat meetodit kehtivaks?

Kas ühe valimist peetakse pigem filosoofiliseks küsimuseks? Või peetakse praegust olukorda problemaatiliseks ja püütakse erinevaid lähenemisi kuidagi ühendada?

Ma arvan, et on palju pragmaatiliselt orienteeritud rakendusstatistikuid, kes usuvad, et kumbagi neist võiks õigesti kasutada, kui neid õigesti kasutada, ja lähevad kumbagi, mis on antud juhul praktilisem. Selles osas esitasin küsimuse ([loetelu olukordadest, kus Bayesi lähenemine on lihtsam, praktilisem või mugavam] (http://stats.stackexchange.com/questions/41394/list-of-situations-where-a -bayesi lähenemine-on-lihtsam-praktilisem-või-veel)), püüdes esile kutsuda, kui Bayesi lähenemine võib olla lihtsam (kuna tavaliselt on see sageduslik lähenemine, vt Shelby # 3).
Viis vastused:
#1
+21
Dikran Marsupial
2010-08-13 17:31:10 UTC
view on stackexchange narkive permalink

Ma arvan, et see pole eriti oluline, kui tulemuste tõlgendamine toimub analüüsiga samas raamistikus. Peamine sagedase statistika statistika probleem on see, et on loomulik tendents käsitleda sagedase olulisuse testi p-väärtust nii, nagu oleks nullhüpoteesi tõele vastav Bayesi a-posteriori tõenäosus (ja seega on tõenäosus, et 1-p alternatiivne hüpotees vastab tõele) või sagedase usaldusintervalli käsitlemine Bayesi usutava intervallina (ja seega eeldades, et on 95% tõenäosus, et tegelik väärtus jääb konkreetse meilivalimi 95% usaldusintervalli piiresse). Sellised tõlgendused on loomulikud, kuna see oleks otsene vastus küsimusele, mida me loomulikult tahame küsida. See on kompromiss selle vahel, kas Bayesi lähenemise subjektiivne element (mis on ise vaieldav, vt nt Jaynesi raamatut) on piisavalt vastik, et tasub võtmeküsimusele kaudse vastusega leppida (ja vastupidi).

Kuni vastuse vorm on vastuvõetav ja suudame tehtud eeldustes kokku leppida, pole ühtegi põhjust eelistada teist - see on kursuste hobuste küsimus.

Olen siiski endiselt bayeslane; o)

Toon näite: Sageli soovitakse teada P (mudel | andmed)). Sagedusanalüüs annab teile siiski P (andmed | mudel) (mida inimesed loevad sageli kui P (mudel | andmed). Eeldades tõenäosust P (mudel), saate P (mudel | andmed) Bayesi statistikas. Kuid siis saate oskab vaielda, milline peaks olema P (mudel).
#2
+15
Shelby
2010-08-13 01:51:37 UTC
view on stackexchange narkive permalink

Lisades Shane'i öeldule, arvan, et järjepidevus hõlmab järgmist:

  1. kindel filosoofiline seisund Bayesi laagris
  2. mõlemat peeti kehtivaks, ühe lähenemisega enam-vähem eelistatav etteantud probleemi jaoks
  3. ma kasutaksin Bayesi lähenemist (kas üldse või sagedamini), kuid mul pole selleks aega.
  4. Kindel filosoofiline seisund sagedaslaagris
  5. teen seda nii, nagu õppisin tunnis. Mis on Bayes?

Ja jah, ma tean kõigis nendes punktides töötavaid statistikuid ja analüütikuid. Enamasti elan # 3 peal ja püüan veeta rohkem aega # 2.

... ja kui nendel seisukohtadel võib leida võrdsel hulgal statistikuid või praktikuid, siis ilmselt on süsteem sage sagedasuse poole, kas pole?Ja kui Bayesi meetodid laienevad, kas see ei ütleks meile kaudselt midagi asjakohast?- Lihtsalt usutavad põhjendused ... ;-)
#3
+11
chl
2010-10-07 01:10:59 UTC
view on stackexchange narkive permalink

Ma arvan, et Bayesi statistika tuleb mängu kahes erinevas kontekstis.

Ühelt poolt on mõned uurijad / statistikud kindlasti veendunud "Bayesi vaimus" ja tunnistades klassikalise sagedase hüpoteesi raamistiku piiri, on otsustanud keskenduda Bayesi mõtlemisele. Eksperimentaalse psühholoogia uuringud, mis toovad esile efekti väikese suuruse või statistilise piiriülese olulisuse, toetuvad nüüd üha enam Bayesi raamistikule. Selles osas tahaksin tuua mõned Bruno Lecoutre (1–4) ulatuslikud tööd, kes aitasid kaasa usaldusvastutuse riski ja Bayesi (M) ANOVA kasutamise arendamisele. Ma arvan, et tõsiasi, et me saame usaldusintervalli hõlpsasti tõlgendada huvipakkuvale parameetrile rakendatavate tõenäosuste osas (st sõltuvalt eelnevast jaotusest), on radikaalne pööre statistilises mõtlemises. Võin ka ette kujutada, et kõik on tegelikult teadlikud Andrew Gelmani pidevalt kasvavast tööst selles valdkonnas, nagu osutas @Skrikant, või rahvusvahelise Bayesi analüüsi ühingu stiimulist kasutada bayesi mudeleid . Frank Harrell pakub ka huvitavat ülevaadet Bayesi meetoditest kliinikutele, mida rakendatakse RCT-de puhul.

Teisest küljest on Bayesi lähenemine osutunud edukaks diagnostiline meditsiin (5) ja seda kasutatakse sageli ülima alternatiivina, kui traditsiooniline statistika ebaõnnestub, kui see üldse rakendub. Mõtlen psühhomeetrilisele artiklile (6), kus autorid olid huvitatud väga piiratud andmekogumist (12 arsti x 15 radiograafiat) hindama radioloogide vahelist kokkulepet puusaluumurdude raskusastme kohta ja kasutama polüütoomsete esemete jaoks vastuse mudelit. / p>

Lõpuks pakub hiljutine 45-leheküljeline artikkel, mis on avaldatud ajakirjas Statistika meditsiinis ja pakub huvitavat ülevaadet Bayesi modelleerimise "läbitungimisest" biostatistikas:

Ashby, D (2006). Bayesi statistika meditsiinis: 25-aastane ülevaade. Statistika meditsiinis , 25 (21), 3589-631.

Viited

  1. Rouanet H., Lecoutre B. (1983). Spetsiifiline järeldus ANOVA-s: olulisuse testidest Bayesi protseduurideni. British Journal of Mathematical and Statistical Psychology , 36 , 252-268.
  2. Lecoutre B., Lecoutre M.-P., Poitevineau J. ( 2001). Tähtsuskatsete kasutamine, kuritarvitamine ja väärkasutamine teadlaskonnas: kas Bayesi valikut ei saa vältida? International Statistical Review , 69 , 399-418.
  3. Lecoutre B. (2006). Kas kõik pole bayeslased ?. India Bayesi seltsi uudiskiri , III , 3-9.
  4. Lecoutre B. (2006). Ja kui sa oleksid Bayesian seda teadmata? Teoses A. Mohammad-Djafari (Toim.): 26. töötuba Bayesi järeldusest ja maksimaalsest entroopia meetodist teaduses ja tehnikas . Melville: AIP-i konverentsitööde kd. 872, 15–22.
  5. Broemeling, L.D. (2007). Bayesi biostatistika ja diagnostiline meditsiin . Chapman ja Hall / CRC.
  6. Baldwin, P., Bernstein, J. ja Wainer, H. (2009). Puusa psühhomeetria. Statistika meditsiinis , 28 (17), 2277–92.
#4
+5
Shane
2010-08-13 01:25:13 UTC
view on stackexchange narkive permalink

Kuigi see on subjektiivne, ütleksin ma:

Seda nimetatakse põhjusel Bayesi / sagedaste " aruteluks ". Mõlemal lähenemisel on selge filosoofiline erinevus.

Kuid nagu enamiku asjade puhul, on see ka spekter. Mõned inimesed on väga ühes või teises leeris ja lükkavad alternatiivi täielikult tagasi. Enamik inimesi kukub ilmselt kuskile keskele. Ma ise kasutaksin mõlemat meetodit olenevalt asjaoludest.

Lisan, et arutelu pole lihtsalt filosoofiline - kindlasti on olukordi, kus on vahet, millise meetodi valite - eriti siis, kui tegemist on hinnangu / järelduse vea / ebakindluse kvantifitseerimisega.
#5
+5
user28
2010-08-13 02:48:25 UTC
view on stackexchange narkive permalink

Ma kujutaksin ette, et rakendusvaldkondades ei pöörata lõhet nii palju tähelepanu, kuna teadlased / praktikud kipuvad rakendustöödes olema pragmaatilised. Valite tööriista, mis konteksti arvestades töötab.

Vaadake näiteks järgmisi Andrew Gelmani blogipostitusi:
Ma väidaksin, et "pragmaatiline" pool hoolib tegelikult ainult siis, kui meetod on rakendatav, hoolimata sellest, kui filosoofiliselt geniaalne see on. Usun, et see on paljude kompromisside peamine põhjus.


See küsimus ja vastus tõlgiti automaatselt inglise keelest.Algne sisu on saadaval stackexchange-is, mida täname cc by-sa 2.0-litsentsi eest, mille all seda levitatakse.
Loading...