क्या काम करने वाले सांख्यिकीविदों को लगातार और बायेसियन अनुमान के बीच अंतर के बारे में परवाह है?

Question

एक बाहरी व्यक्ति के रूप में, ऐसा प्रतीत होता है कि इस पर दो प्रतिस्पर्धात्मक विचार हैं कि किसी को सांख्यिकीय अनुमान कैसे करना चाहिए।

क्या दोनों अलग-अलग तरीकों को काम करने वाले सांख्यिकीविदों द्वारा मान्य माना जाता है?

क्या किसी को दार्शनिक प्रश्न के रूप में माना जाता है? या वर्तमान स्थिति को समस्याग्रस्त माना जाता है और विभिन्न दृष्टिकोणों को एक करने के प्रयास किए जा रहे हैं?

Comments

मुझे लगता है कि कई व्यावहारिक रूप से उन्मुख लागू सांख्यिकीविद् हैं जो मानते हैं कि या तो वैध रूप से उपयोग किया जा सकता है, अगर सही तरीके से उपयोग किया जाता है, और हाथ में मामले में जो भी अधिक व्यावहारिक है, w / जाएगा। इस नस में, मैंने एक प्रश्न पूछा ( उन स्थितियों की सूची जहां बायेसियन दृष्टिकोण सरल, अधिक व्यावहारिक, या सुविधाजनक है ) जब बायेसियन दृष्टिकोण सरल हो सकता है, तब से प्रयास करने की कोशिश करना (क्योंकि आमतौर पर फ्रीक्वेंटिस्ट दृष्टिकोण है, शेल्बी का # 3)।

— गूँग -

Answer 1

मुझे नहीं लगता कि यह बहुत मायने रखता है, जब तक विश्लेषण के रूप में परिणामों की व्याख्या उसी ढांचे के भीतर की जाती है। लगातार आंकड़ों के साथ मुख्य समस्या यह है कि एक निरंतर महत्व परीक्षण के पी-मूल्य का इलाज करने के लिए एक प्राकृतिक प्रवृत्ति है जैसे कि यह एक बायेसियन की पोस्टीरियर संभावना थी कि अशक्त परिकल्पना सच है (और इसलिए 1-पी संभावना है कि वैकल्पिक परिकल्पना सच है), या बायेसियन विश्वसनीय अंतराल के रूप में एक निरंतर विश्वास अंतराल का इलाज करना (और इसलिए यह मानते हुए कि 95% संभावना है कि सही मूल्य हमारे पास मौजूद डेटा के विशेष नमूने के लिए 95% विश्वास अंतराल के भीतर है)। इस प्रकार की व्याख्या स्वाभाविक है क्योंकि यह उस प्रश्न का सीधा उत्तर होगा जो हम स्वाभाविक रूप से पूछना चाहते हैं।

जब तक उत्तर का रूप स्वीकार्य है, और हम बनी धारणाओं पर सहमत हो सकते हैं, तब तक एक दूसरे पर पसंद करने का कोई कारण नहीं है - यह पाठ्यक्रमों के लिए घोड़ों का मामला है।

मैं अभी भी एक बायेसियन हूँ, ओ)

Comments

एक उदाहरण देने के लिए: अक्सर कोई P (मॉडल | डेटा) जानना चाहता है)। फ़्रीक्वेंटिस्ट विश्लेषण आपको पी (डेटा | मॉडल) प्रदान करता है (हालांकि तब लोग अक्सर पी (मॉडल | डेटा) के रूप में पढ़ते हैं। एक पूर्व संभावना पी (मॉडल) मानकर आप बायेसियन सांख्यिकी में पी (मॉडल | डेटा) प्राप्त कर सकते हैं। लेकिन फिर पी (मॉडल) क्या होना चाहिए पर बहस कर सकते हैं।

— आंद्रे होल्जनर

Answer 2

शेन जो कहता है, उसे जोड़कर, मुझे लगता है कि सातत्य शामिल हैं:

1. बेयस कैंप में खड़ी दार्शनिक
2. दोनों को मान्य माना जाता है, किसी एक समस्या के लिए कम या ज्यादा दृष्टिकोण के साथ
3. मैं एक बायेसियन दृष्टिकोण (सभी या अधिक बार) का उपयोग करता हूं, लेकिन मेरे पास समय नहीं है।
4. दृढ़वादी खेमे में दृढ़ दार्शनिक खड़ा है
5. मैं ऐसा करता हूं जैसे मैंने क्लास में सीखा। क्या है बे?

और हां, मैं इन सभी बिंदुओं पर काम करने वाले सांख्यिकीविदों और विश्लेषकों को जानता हूं। अधिकांश समय मैं # 3 पर रह रहा हूं, # 2 पर अधिक समय बिताने का प्रयास कर रहा हूं।

Comments

... और अगर उन रुखों पर समान मात्रा में सांख्यिकीविद् या प्रैक्टिशनर पाए जाते हैं, तो जाहिर है कि सिस्टम बार-बार कट्टरता की ओर धांधली करता है, है न? और अगर बायेसियन तरीके अधिक व्यापक होते जा रहे हैं, तो क्या यह स्पष्ट रूप से हमें प्रासंगिकता के बारे में कुछ नहीं बताएगा? - बस कुछ प्रशंसनीय तर्क ... ;-)

— लेखक

Answer 3

मुझे लगता है कि बायेसियन आँकड़े दो अलग-अलग संदर्भों में खेलते हैं।

एक ओर, कुछ शोधकर्ता / सांख्यिकीविद निश्चित रूप से "बायेसियन स्पिरिट" के प्रति आश्वस्त हैं और, शास्त्रीय अक्सरवादी परिकल्पना रूपरेखा की सीमा को स्वीकार करते हुए, बायेसियन सोच पर ध्यान केंद्रित करने का निर्णय लिया है। छोटे प्रभाव के आकार या सीमावर्ती सांख्यिकीय महत्व को उजागर करने वाले प्रयोगात्मक मनोविज्ञान में अध्ययन अब बेयसियन ढांचे पर भरोसा कर रहे हैं। इस संबंध में, मुझे ब्रूनो लेक्यूट्रे (1-4) के कुछ व्यापक काम का हवाला देना पसंद है जिन्होंने फिडुकियल रिस्क और बेसेसियन (एम) एनोवा के उपयोग को विकसित करने में योगदान दिया। मुझे लगता है कि हम वास्तव में ब्याज के पैरामीटर पर लागू संभावनाओं के संदर्भ में एक विश्वास अंतराल की व्याख्या कर सकते हैं (यानी पूर्व वितरण के आधार पर) सांख्यिकीय सोच में एक क्रांतिकारी मोड़ है।Bayesian मॉडल का उपयोग करने के लिए अंतर्राष्ट्रीय सोसायटी बायेसियन विश्लेषण के लिए। फ्रैंक हरेल आरसीटी पर लागू होने वाले चिकित्सकों के लिए बायेसियन मेथड्स की दिलचस्प रूपरेखा भी प्रदान करते हैं ।

दूसरी ओर, बायेसियन दृष्टिकोण नैदानिक ​​चिकित्सा (5) में सफल साबित हुआ है, और अक्सर एक अंतिम विकल्प के रूप में उपयोग किया जाता है जहां पारंपरिक आंकड़े विफल हो जाएंगे, यदि यह बिल्कुल भी लागू हो। मैं एक साइकोमेट्रिक पेपर (6) के बारे में सोच रहा हूं जहां लेखक रेडियोलॉजिस्ट के बीच बहुत सीमित डेटा सेट (12 डॉक्टरों x 15 रेडियोग्राफी) से हिप फ्रैक्चर की गंभीरता के बारे में समझौते का आकलन करने में रुचि रखते थे और पॉलीटोमोनियल आइटमों के लिए आइटम प्रतिक्रिया मॉडल का उपयोग करते हैं।

अंत में, सांख्यिकी में मेडिसिन में प्रकाशित हाल ही में 45-पृष्ठ का एक पेपर जैव प्रौद्योगिकी में बायेसियन मॉडलिंग के "पैठ" का एक दिलचस्प अवलोकन प्रदान करता है:

एशबी, डी (2006)। चिकित्सा में बायेसियन सांख्यिकी: एक 25 साल की समीक्षा । चिकित्सा में सांख्यिकी , 25 (21), 3589-631।

संदर्भ

1. रौनेट एच।, लेकोउट्रे बी (1983)। एनोवा में विशिष्ट निष्कर्ष: बायेसियन प्रक्रियाओं के महत्व परीक्षण से। गणितीय और सांख्यिकीय मनोविज्ञान के ब्रिटिश जर्नल , 36 , 252-268।
2. लेकौत्रे बी।, लेक्यूट्रे एम.-पी।, पोइटविन्यू जे (2001)। वैज्ञानिक समुदाय में महत्व परीक्षणों के उपयोग, दुरुपयोग और दुरुपयोग: बायेसियन विकल्प अपरिहार्य नहीं होगा? अंतर्राष्ट्रीय सांख्यिकीय समीक्षा , 69 , 399-418।
3. लेकुत्रे बी (2006)। हर कोई एक Bayesian नहीं है? इंडियन बेयसियन सोसाइटी न्यूज़ लेटर , III , 3-9।
4. लेकुत्रे बी (2006)। और अगर आप बिना जान-पहचान के एक बायेसियन थे? ए। मोहम्मद-जाफरी (सं।): विज्ञान और इंजीनियरिंग में बायेसियन आविष्कार और अधिकतम प्रवेश पद्धति पर 26 वीं कार्यशाला । मेलविले: एआईपी सम्मेलन की कार्यवाही वॉल्यूम। 872, 15-22।
5. ब्रोमलिंग, एलडी (2007)। बायेसियन बायोस्टैटिस्टिक्स एंड डायग्नोस्टिक मेडिसिन । चैपमैन और हॉल / सीआरसी।
6. बाल्डविन, पी।, बर्नस्टीन, जे।, और वेनर, एच। (2009)। हिप साइकोमेट्रिक्स। चिकित्सा में सांख्यिकी , 28 (17), 2277-92।

Answer 4

मुझे लगता है कि लागू क्षेत्रों में विभाजन का ध्यान नहीं दिया जाता है क्योंकि शोधकर्ताओं / चिकित्सकों को लागू कार्यों में व्यावहारिक होने की आवश्यकता होती है। आप उस टूल को चुनते हैं जो संदर्भ को देखते हुए काम करता है।

हालाँकि, बहस जीवित है और उन लोगों के बीच भी है जो इन दोनों दृष्टिकोणों को लेकर दार्शनिक मुद्दों की परवाह करते हैं। उदाहरण के लिए एंड्रयू गेलमैन के निम्नलिखित ब्लॉग पोस्ट देखें :

• हां बे, जैक को नहीं जानते
• दर्शन और बेयसियन सांख्यिकी का अभ्यास

Comments

मैं यह तर्क दूंगा कि "व्यावहारिक" पक्ष वास्तव में केवल तभी ध्यान रखता है यदि विधि लागू करने योग्य है, भले ही यह दार्शनिक रूप से कितना शानदार हो। मेरा मानना ​​है कि यह कई समझौतों का एक प्रमुख कारण है।

— प्रोबेबिलिसलॉजिक

Answer 5

जबकि यह व्यक्तिपरक है, मैं कहूंगा:

इसे एक कारण के लिए बायेसियन / अक्सरवादी " बहस " कहा जाता है । दोनों दृष्टिकोणों के बीच एक स्पष्ट दार्शनिक अंतर है।

लेकिन ज्यादातर चीजों के साथ, यह एक स्पेक्ट्रम है। कुछ लोग एक शिविर या दूसरे में बहुत अधिक हैं और विकल्प को पूरी तरह से अस्वीकार करते हैं। ज्यादातर लोग शायद बीच में कहीं गिर जाते हैं। मैं खुद परिस्थितियों के आधार पर या तो विधि का उपयोग करूंगा।

Comments

मैं यह जोड़ना चाहूंगा कि बहस सिर्फ दार्शनिक नहीं है - निश्चित रूप से ऐसे समय होते हैं जब इससे कोई फर्क पड़ता है कि आप किस पद्धति को अपनाते हैं - खासकर जब यह आपके अनुमान / निष्कर्ष में "त्रुटि" / "अनिश्चितता" को मात्रात्मक करने के लिए आता है।

— संभाव्यताविषयक