शीर्ष 100 अमेरिकी समाचार सांख्यिकी कार्यक्रम के अनुसंधान क्षेत्र के माध्यम से ब्राउज़ करना, उनमें से लगभग सभी बायेसियन आंकड़ों में भारी हैं। हालांकि, अगर मैं निचले स्तर के स्कूल में जाता हूं, तो उनमें से अधिकांश अभी भी शास्त्रीय / लगातार सांख्यिकी अनुसंधान कर रहे हैं। उदाहरण के लिए, मेरे वर्तमान स्कूल (150 से 200 के बीच QS की विश्व रैंकिंग पर आँकड़ों के लिए रैंकिंग तो एक शीर्ष स्तरीय स्कूल नहीं माना जाता है) में केवल एक प्रोफेसर है जो बायेसियन आँकड़ों पर ध्यान केंद्रित कर रहा है और बायेसियन आँकड़ों के प्रति लगभग नाराजगी है। कुछ ग्रेड छात्रों से मैंने बात की, यहां तक कि बायेसियन स्टेटिस्टिशियन इसके लिए बायेसियन स्टैटिस्टिक्स कर रहे हैं, जो कि मैं निश्चित रूप से दृढ़ता से असहमत हूं।
हालांकि, मुझे आश्चर्य है कि ऐसा क्यों है। मैं कई शिक्षित अनुमान लगा रहा हूँ:
(ए) शास्त्रीय / लगातार आँकड़ों की कार्यप्रणाली में प्रगति के लिए पर्याप्त जगह नहीं बची है और शास्त्रीय / क्रमिक आँकड़ों के शोध में एकमात्र व्यवहार्य शोध अनुप्रयोगों पर है जो निम्न स्तरीय स्कूल का मुख्य फोकस होगा क्योंकि शीर्ष स्तरीय स्कूल अधिक होना चाहिए सैद्धांतिक और कार्यप्रणाली अनुसंधान के प्रति झुकाव।
(b) यह भारी क्षेत्र पर निर्भर है। सांख्यिकी की कुछ शाखा बस बायसियन सांख्यिकी के लिए अधिक उपयुक्त है जैसे कि सांख्यिकी पद्धति के कई वैज्ञानिक अनुप्रयोग जबकि अन्य शाखा वित्तीय क्षेत्र जैसे शास्त्रीय आंकड़ों के लिए अधिक उपयुक्त है। (इसे सही करें अगर मैं गलत हूं) इसे देखते हुए, ऐसा लगता है कि शीर्ष स्तरीय स्कूलों में वैज्ञानिक क्षेत्र में आवेदन करने वाले बहुत सारे सांख्यिकी संकाय हैं, जबकि निचले स्तर के स्कूल सांख्यिकी विभाग मुख्य रूप से वित्तीय क्षेत्र में अनुप्रयोगों पर ध्यान केंद्रित कर रहे हैं क्योंकि इससे उन्हें आय उत्पन्न करने में मदद मिलती है। और धन।
(c) बार-बार होने वाले तरीके के साथ बहुत बड़ी समस्याएँ हैं जिनका समाधान नहीं किया जा सकता है उदाहरण के लिए MLE के ओवरफिट होने का खतरा, आदि और बायेसियन एक शानदार समाधान प्रदान करते हैं।
(d) कम्प्यूटेशनल पावर यहाँ है इसलिए बेयसियन कम्प्यूटेशन अब एक अड़चन नहीं है क्योंकि यह 30 साल पहले था।
(() यह मेरे पास सबसे अधिक अनुमानित अनुमान हो सकता है। शास्त्रीय / लगातार सांख्यिकीविद् से एक प्रतिरोध है कि सिर्फ कार्यप्रणाली की एक नई लहर पसंद नहीं है जो संभवतः शास्त्रीय आंकड़ों की भूमिका से आगे निकल सकती है। लेकिन जैसे लैरी वासरमैन ने कहा, यह इस बात पर निर्भर करता है कि हम क्या करने की कोशिश कर रहे हैं और सभी को खुले दिमाग रखना चाहिए, खासकर एक शोधकर्ता के रूप में।