setul general de tehnici statistice poate fi împărțit într-o serie de activități, dintre care multe au versiuni Bayesiene speciale.
Bayesian inferenceEdit
Bayesian inference se referă la inferența statistică unde incertitudinea în inferențe este cuantificată folosind probabilitatea. În inferența clasică frequentist, parametrii modelului și ipotezele sunt considerate a fi fixate. Probabilitățile nu sunt atribuite parametrilor sau ipotezelor în inferența frequentist., De exemplu, nu ar avea sens în inferența frequentist să atribuiți direct o probabilitate unui eveniment care se poate întâmpla o singură dată, cum ar fi rezultatul următorului flip al unei monede corecte. Cu toate acestea, ar avea sens să se afirme că proporția de capete se apropie de jumătate pe măsură ce numărul de monede flips crește.
modelele statistice specifică un set de ipoteze și procese statistice care reprezintă modul în care sunt generate datele eșantion. Modelele statistice au un număr de parametri care pot fi modificați., De exemplu, o monedă poate fi reprezentată ca mostre dintr-o distribuție Bernoulli, care modelează două rezultate posibile. Distribuția Bernoulli are un singur parametru egal cu probabilitatea unui rezultat, care în majoritatea cazurilor este probabilitatea de aterizare pe capete. Elaborarea unui model bun pentru date este esențială în inferența Bayesiană. În cele mai multe cazuri, modelele aproximează doar procesul adevărat și nu pot lua în considerare anumiți factori care influențează datele. În inferența Bayesiană, probabilitățile pot fi atribuite parametrilor modelului. Parametrii pot fi reprezentați ca variabile aleatorii., Inferența bayesiană folosește teorema lui Bayes pentru a actualiza probabilitățile după ce se obțin sau se cunosc mai multe dovezi.
Statistice modelingEdit
formularea de modele statistice, folosind statistica Bayesiana are element de identificare necesită specificarea prealabilă distribuții pentru orice necunoscută parametri. Într-adevăr, parametrii distribuțiilor anterioare pot avea ele însele distribuții anterioare, ceea ce duce la modelarea ierarhică Bayesiană sau pot fi interdependente, ducând la rețele Bayesiene.,designul experimentelor Bayesian include un concept numit „influența credințelor anterioare”. Această abordare utilizează tehnici de analiză secvențială pentru a include rezultatul experimentelor anterioare în proiectarea următorului experiment. Acest lucru se realizează prin actualizarea „convingerilor” prin utilizarea distribuției anterioare și posterioare. Acest lucru permite proiectarea de experimente pentru a face o bună utilizare a resurselor de toate tipurile. Un exemplu în acest sens este problema banditului multi-armat.,analiza exploratorie a modelelor Bayesianedit
analiza exploratorie a modelelor Bayesian este o adaptare sau extensie a abordării analizei datelor exploratorii la nevoile și particularitățile modelării Bayesiene. În cuvintele de Persi Diaconis:
Exploratorie a datelor analiza caută să dezvăluie structura, sau descrieri simple în date. Ne uităm la numere sau grafice și încercăm să găsim modele., Vom urmări conduce sugerat de informații de fond, imaginația, modele perceput, și de experiență cu alte analize de date
proces de inferență generează un posterior de distribuție, care are un rol central în statistica Bayesiana, împreună cu alte distribuții place posterior predictivă de distribuție și înainte predictivă de distribuție. Vizualizarea corectă, analiza și interpretarea acestor distribuții este esențială pentru a răspunde corect la întrebările care motivează procesul de inferență.,îmbrăcat în afară de inferență în sine:
- Diagnostice de calitate de inferență, acest lucru este necesar atunci când se utilizează metode numerice, cum ar fi Markov chain Monte Carlo tehnici
- Model de critici, inclusiv evaluări ale ambelor model de ipoteze și predicțiile modelului
- Compararea modelelor, inclusiv modelul de selecție sau de model, cu o medie de
- Pregătirea rezultatelor pentru un anumit public
Toate aceste sarcini sunt parte din analiză Exploratorie a Bayesian modele de abordare și de efectuarea cu succes a acestora este esențială pentru iterativ și interactiv procesul de modelare., Aceste sarcini necesită atât rezumate numerice, cât și vizuale.