Ero sivun ”Bayesiläinen tilastotiede” versioiden välillä
[arvioimaton versio] | [arvioimaton versio] |
Poistettu sisältö Lisätty sisältö
Thi (keskustelu | muokkaukset) w |
|||
Rivi 1:
'''Bayesiläinen tilastotiede''' on frekventistisen (
== Bayesiläiset menetelmät ==
Rivi 7:
Bayesiläinen tilastotiede on tyypillisesti mallintavaa (engl. ''modelling'', ''inferential''), ei siis deskriptiivistä tilastotiedettä. Se pyrkii erilaisiin havaintoaineistoihin sisältyvän satunnaisvaihtelun selittämiseen ja analysointiin edistyneiden laskennallisten menetelmien avulla.
Bayesiläisessä tilastotieteessä laskujen ratkaisemiseen joudutaan usein käyttämään tietokoneella tehtäviä
== Peruskäsitteet ==
[[Thomas Bayes|Bayesin]] kaavan P(A|B) = P(B|A)P(A) / P(B) tapahtumat A ja B voisivat esimerkiksi olla seuraavia väitelauseita: A =
Klassisessa tilastotieteessä edellisen esimerkin kaltainen päättely on kielletty. Tämän paradigman mukaan parametrit (kuten esimerkin populaatiokeskiarvot), ovat kiinteitä lukuja, eikä niille voida määrätä mielekästä todennäköisyystulkintaa.
Rivi 21:
== Paradigman edut ja haitat ==
Käytettäessä ei-havaittavalle muuttujalle
Jos käytetään jotakin muuta kuin laakeaa prioria, posteriorin arvot muuttuvat. Tästä syystä priorin valinta saattaa vaikuttaa bayesiläisen tilastollisen päättelyn tuloksiin. Bayesiläiset tilastotieteilijät jakautuvat
Jotkut tilastotieteen klassisen paradigman kannattajat ovat esittäneet, että priorin ja posteriorin käsitteet ovat ontologisesti ongelmallisia, tai peräti kokonaan virheellisiä. Toisaalta bayesiläistä paradigmaa on puolustettu informaatio- ja päätösteoreettisilla perusteluilla. Monien kannattajiensa mielestä bayesiläinen paradigma antaa tilastotieteelle teoreettisen perustan, joka on yhtenäisempi ja helpommin omaksuttava, kuin klassisen paradigman antama perusta.
|