ทฤษฎีบท Bayes ที่ปรับปรุงแล้วของ XKCD: จริง ๆ แล้วมีเหตุผลไหม?


81

ฉันรู้ว่านี่มาจากการ์ตูนที่มีชื่อเสียงสำหรับการใช้ประโยชน์จากแนวโน้มการวิเคราะห์บางอย่างแต่จริงๆแล้วมันดูมีเหตุผลหลังจากผ่านการจ้องมองไม่กี่นาที ใครสามารถบอกฉันว่า "การปรับเปลี่ยน Bayes theorem " นี้ทำอะไรได้บ้าง


4
explainxkcd.com/wiki/index.php/2059:_Modified_Bayes%27_Theoremอธิบายจากผู้เขียน
Tschallacka

50
@Tschallacka อะไรที่ทำให้คุณคิดว่าแรนดัลเขียนไว้ว่าอย่างไร
kasperd

16
@Tschallacka เว้นแต่ผู้แต่งคนใดคนหนึ่งเป็น Randall ตัวเองนี่ไม่ใช่กรณี
SQB

แต่คุณไม่ควรใช้ทฤษฎีบทของเบย์กับ P (C) เพื่ออัปเดตค่าของมันต่อหน้าหลักฐานที่มากกว่า?
Yakk

1
P(C)

คำตอบ:


107

P(H)

P(H|X)=P(X|H)P(H)P(X)P(C)+P(H)[1P(C)],
C=H

ฉันคิดว่านี่เป็นการตอบโต้กับการวิจารณ์ว่าในหลักการ Bayesians สามารถปรับก่อนเพื่อสนับสนุนข้อสรุปใด ๆ ที่พวกเขาต้องการในขณะที่ Bayesians จะยืนยันว่านี่ไม่ใช่สถิติ Bayesian ใช้งานได้จริง

(และใช่คุณประสบความสำเร็จในการทำให้ฉันหงุดหงิดฉันไม่ได้เป็นนักคณิตศาสตร์หรือนักฟิสิกส์ดังนั้นฉันไม่แน่ใจว่ามีกี่คะแนนที่ฉันควรค่า)


60
เรื่องตลกที่ฉลาดที่ฝังอยู่ในสูตรด้านบนคือถ้าคุณไม่ได้ใช้สถิติแบบเบย์อย่างถูกต้องการอนุมานของคุณนั้นไม่ขึ้นอยู่กับความจริง
หน้าผา AB

25
ฉันหวังว่าคุณจะไม่พิมพ์คำตอบขณะข้ามถนนที่วุ่นวาย ฉันจะไม่มีส่วนร่วมใน ...
eric_kernfeld

6
การเรียงลำดับของ Bayesians carricatured ด้านบนไม่ได้เป็นสถิติแบบเบส์พวกเขาเป็นทนายความแบบเบย์
kjetil b halvorsen

4
@CliffAB ฉันไม่รู้ว่าฉันจะเรียกว่าเป็นเรื่องตลกที่ฉลาดหรือกฎหมายของธรรมชาติ
eric_kernfeld

7
@CLiffAB คุณหมายถึง "หลังของคุณ (คำนวณตามสูตรนี้) เป็นอิสระจากหลักฐาน" หรือไม่
สะสม

31

เชื่อหรือไม่ว่ารูปแบบประเภทนี้จะปรากฏขึ้นทุก ๆ ครั้งและในแบบจำลองทางสถิติที่รุนแรงมากโดยเฉพาะอย่างยิ่งเมื่อต้องรับมือกับการหลอมรวมข้อมูลคือพยายามรวมการอนุมานจากเซ็นเซอร์หลายตัวที่พยายามอนุมานในเหตุการณ์เดียว

ABAเป็นจริง (เช่นความน่าจะเป็นด้านหลังที่เซ็นเซอร์นี้ผิดพลาดจะสูงมากเมื่อเราตระหนักว่ามันขัดแย้งกับเซ็นเซอร์อื่นทั้งหมด) หากการแจกแจงความล้มเหลวเป็นอิสระจากพารามิเตอร์ที่เราต้องการทำการอนุมานจากนั้นหากความน่าจะเป็นด้านหลังว่าเป็นความล้มเหลวสูงการวัดจากเซ็นเซอร์นั้นจะมีผลกระทบน้อยมากต่อการแจกแจงด้านหลังสำหรับพารามิเตอร์ที่น่าสนใจ ในความเป็นจริงความเป็นอิสระถ้าความน่าจะเป็นหลังของความล้มเหลวคือ 1

นี่เป็นแบบจำลองทั่วไปที่ควรพิจารณาเมื่อพูดถึงการอนุมานคือเราควรแทนที่ทฤษฎีบทของเบย์ด้วยทฤษฎีบทดัดแปลงแบบเบส์เมื่อทำสถิติแบบเบย์หรือไม่? ไม่เหตุผลคือ "การใช้สถิติแบบเบย์อย่างถูกต้อง" ไม่ได้เป็นเพียงไบนารี (หรือถ้าเป็นจริงมันเป็นเท็จเสมอ) การวิเคราะห์ใด ๆ จะมีระดับของสมมติฐานที่ไม่ถูกต้อง เพื่อให้ข้อสรุปของคุณเป็นอิสระอย่างสมบูรณ์จากข้อมูล (ซึ่งมีนัยโดยสูตร) ​​คุณจำเป็นต้องทำข้อผิดพลาดร้ายแรงอย่างยิ่ง หาก "การใช้สถิติแบบเบย์ไม่ถูกต้อง" ในทุกระดับหมายความว่าการวิเคราะห์ของคุณไม่ขึ้นกับความจริงอย่างสมบูรณ์การใช้สถิติจะไร้ค่าอย่างสิ้นเชิง ทุกรุ่นผิด แต่บางรุ่นก็มีประโยชน์และทุกอย่างนั้น


5
ฉันคิดว่าเราโชคดีที่ได้พบกับโหมดความล้มเหลวแบบคงที่ของเซ็นเซอร์ของเราเป็นอย่างใดอย่างหนึ่งหรืออื่น ๆ เสียงรบกวนนั้นยากกว่ามาก มันน่ารำคาญจริง ๆ ที่ค้นพบว่าเซ็นเซอร์ทำงานอย่างถูกต้องและค่าที่ได้รับนั้นไม่ถูกต้องเพราะสายนั้นทำตัวเหมือนเสาอากาศ
Joshua

@ โจชัวหวังว่าสักวันฉันจะมีเวลาเรียนรู้การกรองคาลมานอย่างเหมาะสมสำหรับสถานการณ์แบบนั้น (หรืออาจจะมีคนเขียนคำตอบ SE ที่ยอดเยี่ยมที่ทำให้ทุกอย่างชัดเจน?)
mbrig

μiN(aiμ,1)t(df=10)i
หน้าผา AB
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.