Что означает «фидуциарный» (в контексте статистики)?

Когда я Google для

"fisher" "fiducial"

... Я уверен, что получаю много хитов, но все те, за которыми я следовал, совершенно за пределами моего понимания.

Все эти хиты, похоже, имеют одну общую черту: все они написаны для статистиков, которые тщательно изучили теорию, практику, историю и знания статистики. (Следовательно, ни один из этих счетов не удосуживается объяснить или даже проиллюстрировать, что Фишер имел в виду под «опорными», не прибегая к океанам жаргона и / или не обращая внимания на какую-то классическую или другую литературу по математической статистике.)

Ну, я не принадлежу к избранной целевой аудитории, которая могла бы извлечь выгоду из того, что я нашел по этому вопросу, и, возможно, это объясняет, почему каждая из моих попыток понять, что Фишер имел в виду под «опознавательными», обрушилась на стену непонятная тарабарщина

Кто-нибудь знает о попытке объяснить кому-то, кто не является профессиональным статистиком, что Фишер имел в виду под «опорными»?

PS Я понимаю, что Фишер был чем-то вроде движущейся цели, когда речь зашла о том, что он имел в виду под «опорными», но я полагаю, что термин должен иметь некоторое «постоянное ядро» значения, иначе он не мог бы функционировать (как это ясно делает) как терминологию, которая обычно понимается в данной области.

Основным аргументом является интерпретация вероятности как вероятности . Даже если вероятность измеряет правдоподобие события, оно не удовлетворяет аксиомам вероятностных мер (в частности, нет гарантии, что оно суммируется с 1), что является одной из причин, почему эта концепция никогда не была столь успешной.

$\lambda$$(x_1, \ldots, x_n)$$\lambda$$\lambda$$\lambda^n \prod_{i=1}^n e^{-\lambda x_i} = \lambda^n e^{-\lambda(x_1+\ldots+x_n)}$

$\lambda$$(x_1, \ldots, x_n)$$2.3 \cdot e^{-2.3\lambda}$ $2.3 \cdot \lambda^n e^{-\lambda(2.3+x_1+\ldots+x_n) }$$\lambda$$\lambda$$n$$2.3+x_1+\ldots+x_n$

$\lambda$$(x_1, \ldots, x_n)$$\lambda^n e^{-\lambda(x_1+\ldots+x_n)}$$n$$x_1+\ldots+x_n$

Эти различия имеют наиболее заметные последствия в контексте оценки доверительного интервала. 95% доверительный интервал в классическом смысле - это конструкция, которая с вероятностью 95% содержит целевое значение до того, как будут собраны какие-либо данные . Однако для проверенного статистика 95-процентный доверительный интервал - это набор, который с 95-процентной вероятностью содержит целевое значение (что является типичным неправильным толкованием для учащихся, использующих частый подход).

Несколько известных статистикамы пытаются разжечь интерес к доверительной аргумент Фишера. Брэдли Эфрон : (Я не могу скопировать даже небольшие цитаты из книг Google), эта тема также рассматривается в Брэдли Эфрон 2 . Он говорит что-то вроде (не прямой цитаты): фидуциальный вывод, который иногда считается самой большой ошибкой Фишера, может стать самым большим ударом Фишера в будущем. Так что есть люди, которые думают, что верные идеи вернутся.

Полная книга, посвященная этой теме (некоторыми из моих бывших профессоров), называется Schweder & Hjort .

Они предлагают изменить терминологию с «доверительного распределения» на «доверительное распределение». Я даже в какой-то момент попытался сделать новый тег здесь confidence-distribution. Но кто-то по ошибке сделал это синонимом тега confidence-interval. Grrrr (Если сделан синоним, он должен быть fiducial.)