Часто утверждают, что байесовский каркас имеет большое преимущество в интерпретации (по сравнению с частыми), потому что он вычисляет вероятность параметра с учетом данных - вместо как в Частые рамки. Все идет нормально.p ( x | θ )
Но все уравнение основано на:
выглядит немного подозрительно по двум причинам:
Во многих статьях обычно используются неинформативные априорные значения (равномерное распределение), а затем просто , поэтому байесовцы получают тот же результат, что и частые специалисты - так как же тогда байесовская структура лучше интерпретируется, когда байесовский апостериор и вероятностные вероятности имеют одинаковое распределение? Это просто дает тот же результат.
При использовании информативных априорных значений вы получаете разные результаты, но субъективный априор влияет на байесовский эффект, поэтому весь имеет субъективный оттенок.
Другими словами, весь аргумент о том, что лучше интерпретируется, чем p ( x | θ ), основан на предположении, что p ( θ ) является своего рода «реальным», что обычно не является, это просто отправной точкой мы каким-то образом выбираем запуск MCMC, это презумпция, но это не описание реальности (я думаю, это невозможно определить).
Так как же мы можем утверждать, что байесовский язык лучше в интерпретации?
uninformative or *objective* priors
? В subjective
приоры точно информативных приоры.