นี่เป็นคำที่มาจากการทดลองแบบเบส์ (EB) ในความเป็นจริงแนวคิดที่อ้างถึงไม่มีอยู่ในการอนุมานแบบเบย์ที่แท้จริง คำเดิมคือ "กำลังยืม" ซึ่งประกาศเกียรติคุณโดย John Tukey ย้อนกลับไปในทศวรรษที่ 1960 และเป็นที่นิยมมากขึ้นโดย Bradley Efron และ Carl Morris ในบทความสถิติเกี่ยวกับความขัดแย้งของสไตน์และพาราเมทริก EB ในปี 1970 และ 1980 ตอนนี้หลายคนใช้ "การยืมข้อมูล" หรือ "การแบ่งปันข้อมูล" เป็นคำเหมือนสำหรับแนวคิดเดียวกัน เหตุผลที่คุณอาจได้ยินในบริบทของโมเดลผสมคือการวิเคราะห์ที่พบบ่อยที่สุดสำหรับโมเดลผสมมีการตีความ EB
EB มีแอปพลิเคชั่นมากมายและใช้กับแบบจำลองทางสถิติจำนวนมาก แต่บริบทเสมอคือคุณมีจำนวนกรณี (อาจเป็นอิสระ) จำนวนมากและคุณพยายามประเมินพารามิเตอร์เฉพาะ (เช่นค่าเฉลี่ยหรือความแปรปรวน) ในแต่ละกรณี ในการอนุมานแบบเบย์คุณทำการอนุมานหลังเกี่ยวกับพารามิเตอร์โดยยึดตามข้อมูลที่สังเกตได้สำหรับแต่ละกรณีและการแจกแจงก่อนหน้าสำหรับพารามิเตอร์นั้น ในการอนุมาน EB การแจกแจงก่อนหน้าสำหรับพารามิเตอร์นั้นประเมินจากการเก็บรวบรวมกรณีข้อมูลทั้งหมดหลังจากที่การอนุมานดำเนินการสำหรับการอนุมานแบบเบย์ ดังนั้นเมื่อคุณประเมินพารามิเตอร์สำหรับกรณีเฉพาะคุณจะใช้ทั้งข้อมูลสำหรับกรณีนั้นและการกระจายก่อนหน้าโดยประมาณและหลังแสดงถึง "ข้อมูล" หรือ "ความแข็งแกร่ง"
ตอนนี้คุณสามารถเห็นได้ว่าทำไม EB จึงมี "การกู้ยืม" แต่ Bayes ที่แท้จริงไม่ได้ ใน Bayes จริงการกระจายก่อนหน้านี้มีอยู่แล้วดังนั้นจึงไม่จำเป็นต้องขอร้องหรือยืม ใน EB การกระจายก่อนหน้านี้ได้สร้างจากข้อมูลที่สังเกต เมื่อเราทำการอนุมานเกี่ยวกับกรณีใดกรณีหนึ่งเราจะใช้ข้อมูลที่สังเกตได้ทั้งหมดจากกรณีดังกล่าวและข้อมูลเล็กน้อยจากแต่ละกรณี เราบอกว่ามันเป็น "ยืม" เพียงเพราะข้อมูลจะได้รับกลับเมื่อเราไปเพื่อให้ข้อสรุปเกี่ยวกับกรณีต่อไป
แนวคิดของ EB และ "data ยืม" ถูกนำมาใช้อย่างมากในฟังก์ชั่นทางสถิติเมื่อแต่ละ "กรณี" มักจะเป็นยีนหรือคุณลักษณะจีโนม (Smyth, 2004; Phipson et al, 2016)
อ้างอิง
Efron, Bradley และ Carl Morris สถิติของสไตน์ขัดแย้ง นักวิทยาศาสตร์ชาวอเมริกัน 236 คน 5 (1977): 119-127 http://statweb.stanford.edu/~ckirby/brad/other/Article1977.pdf
Smyth, GK (2004) แบบจำลองเชิงเส้นและวิธีการเชิงประจักษ์ Bayes สำหรับการประเมินการแสดงออกที่แตกต่างในการทดลอง microarray การใช้งานทางสถิติในพันธุศาสตร์และชีววิทยาระดับโมเลกุลเล่ม 3 ฉบับที่ 1 ข้อ 3
http://www.statsci.org/smyth/pubs/ebayes.pdf
Phipson, B, Lee, S, Majewski, IJ, Alexander, WS, และ Smyth, GK (2016) การประมาณค่าพารามิเตอร์ที่มีความทนทานสูงช่วยป้องกันยีนที่มี hypervariable และปรับปรุงพลังในการตรวจจับการแสดงออกที่แตกต่างกัน พงศาวดารของสถิติประยุกต์ 10, 946-963
http://dx.doi.org/10.1214/16-AOAS920