a statisztikai technikák általános halmaza számos tevékenységre osztható, amelyek közül sok speciális Bayes-verzióval rendelkezik.
Bayes inferenceEdit
Bayes következtetés utal, hogy a statisztikai következtetés, ahol a bizonytalanság következtetések számszerűsíthető segítségével valószínűsége. A klasszikus frekventált következtetésekben a modellparaméterek és hipotézisek rögzítettnek tekinthetők. Valószínűségek nincsenek hozzárendelve paraméterek vagy hipotézisek frekventista következtetés., Például nem lenne értelme a frekventista következtetésben, hogy közvetlenül hozzárendeljünk egy olyan eseményt, amely csak egyszer történhet meg, például egy tisztességes érme következő flipjének eredménye. Ugyanakkor érdemes lenne kijelenteni, hogy a fejek aránya megközelíti a felét, mivel az érmek száma növekszik.
A statisztikai modellek olyan statisztikai feltételezéseket és folyamatokat határoznak meg, amelyek a mintaadatok előállításának módját jelölik. A statisztikai modelleknek számos paraméterük van, amelyek módosíthatók., Például egy érme mintaként ábrázolható egy Bernoulli eloszlásból, amely két lehetséges eredményt modellez. A Bernoulli eloszlásnak egyetlen paramétere van, amely megegyezik az egyik kimenetel valószínűségével, ami a legtöbb esetben a fejre való leszállás valószínűsége. Az adatok jó modelljének kidolgozása a Bayes-I következtetés központi eleme. A legtöbb esetben a modellek csak megközelítik a valódi folyamatot, nem veszik figyelembe az adatokat befolyásoló bizonyos tényezőket. A Bayes-féle következtetésben valószínűségek rendelhetők a modellparaméterekhez. A paraméterek véletlenszerű változókként ábrázolhatók., A Bayes-féle következtetés Bayes tételét használja a valószínűségek frissítésére, miután több bizonyítékot szereztek vagy ismertek.
statisztikai modellezésedit
a Bayes-statisztikákat használó statisztikai modellek megfogalmazása azonosítási funkcióval rendelkezik, amely előírja az előzetes disztribúciók specifikációját ismeretlen paraméterek esetén. Valójában a korábbi disztribúciók paraméterei maguk is rendelkezhetnek előzetes disztribúciókkal, ami Bayes-hierarchikus modellezéshez vezet, vagy összefügghet egymással, ami Bayes-hálózatokhoz vezet.,
kísérletek Tervezéseszerkesztés
a kísérletek Bayesian tervezése magában foglalja a “korábbi hiedelmek befolyása” fogalmát. Ez a megközelítés szekvenciális elemzési technikákat alkalmaz a korábbi kísérletek eredményének beillesztésére a következő kísérlet megtervezésébe. Ezt úgy érik el, hogy a “hiedelmeket” a korábbi és a hátsó Eloszlás alkalmazásával frissítik. Ez lehetővé teszi a kísérletek tervezését, hogy minden típusú erőforrást jól kihasználjanak. Erre példa a többkarú bandita probléma.,
Feltáró elemzése Bayes modelsEdit
Feltáró elemzése Bayes modell egy adaptáció vagy kiterjesztése a feltáró adatelemzés megközelítés igényeit, sajátosságait Bayes modell. Persi Diaconis szavaival:
feltáró Adatelemzés célja a szerkezet vagy az egyszerű leírások feltárása az adatokban. Nézzük a számokat vagy grafikonokat, és megpróbáljuk megtalálni a mintákat., Folytatjuk vezet által javasolt háttér-információk, képzelet, minták vélt, majd a tapasztalatok egyéb adatok, elemzések
A következtetési folyamat létrehoz egy posterior eloszlás, amely központi szerepet játszik Bayes statisztika, együtt más disztribúciók, mint a hátsó prediktív engedély, valamint az előzetes prediktív engedély. Ezeknek a disztribúcióknak a helyes megjelenítése, elemzése, értelmezése kulcsfontosságú a következtetési folyamatot motiváló kérdések megfelelő megválaszolásához.,öltözve, különben nem kapná magát:
- Diagnózis a minőség a következtetés, hogy ez használatakor szükséges numerikus módszerek, mint a Markov lánc Monte Carlo technikák
- Modell kritika, beleértve értékelések mindkét modell feltételezések modell előrejelzések
- Összehasonlítása modellek, beleértve a modell kiválasztása, vagy modell átlagosan
- Előkészítése az eredményeket egy adott közönség
az Összes ezek a feladatok egy részét a Feltáró elemzése Bayes modell módszert sikeresen teljesítő őket, közép -, hogy az iteratív, interaktív modellezési folyamat., Ezek a feladatok mind numerikus, mind vizuális összefoglalókat igényelnek.