贝叶斯方法和常客方法之间的主要区别仅仅是贝叶斯具有隐藏状态(先验状态),该状态是递归/迭代更新的,而常客统计量则不会?


回答 1:

没有。

首先,实际上没有任何常客。 贝叶斯主义者用这个词来形容传统的统计学家。 偶尔,您会听到有人称自己为常客,但大多数常客是不可知论者,乐于使用经典,贝叶斯方法或其他方法,无论哪种方法最适合手头的应用。

严格的贝叶斯主义者坚持不断更新信念,但是(a)大多数贝叶斯骗子是因为不断更新排除了许多有用的方法,并且(b)频繁的人也经常更新。

我要说的核心区别是,将统计视为寻求真理的人们与使用统计在人们之间达成共识的人们之间。 如果您正在寻找真相,那么您先前的信念显然很重要。 如果您试图在人与人之间达成共识,那么您先前的信念是偏见,会使他人怀疑您的结论。

您不必是严格的贝叶斯主义者即可成为真相搜索者,但您不能将自己局限于古典统计。 使用统计数据做出决策并根据决策结果进行判断的人们倾向于贝叶斯方法及其分支。

使用统计数据来达成人与人之间的共识的人(包括药物批准和其他监管决定,法律专家的证词,期刊出版的决定等)通常依赖于常识性方法,尽管这种情况正在发生变化。


回答 2:

贝叶斯将人口参数(例如均值,中位数和标准差)视为随机变量。 它们从参数的先验分布开始。 然后获取数据并更新分布,成为后验分布。 这个过程可以永远持续下去。

常客将人口参数视为固定的,通常未知的常数。

贝叶斯推理很容易解释。

对频繁主义者的推论的解释依赖于相当复杂的事物,并且混淆了未启动的条件概率论证。


回答 3:

贝叶斯将人口参数(例如均值,中位数和标准差)视为随机变量。 它们从参数的先验分布开始。 然后获取数据并更新分布,成为后验分布。 这个过程可以永远持续下去。

常客将人口参数视为固定的,通常未知的常数。

贝叶斯推理很容易解释。

对频繁主义者的推论的解释依赖于相当复杂的事物,并且混淆了未启动的条件概率论证。