คำถามติดแท็ก likelihood-principle

ในบทความ "การสนทนา: นักนิเวศวิทยาควรเป็นชาวเบย์หรือไม่?" ไบรอันเดนนิสให้มุมมองเชิงบวกและเชิงบวกที่น่าประหลาดใจของสถิติแบบเบย์เมื่อเป้าหมายของเขาดูเหมือนจะเตือนผู้คนเกี่ยวกับเรื่องนี้ อย่างไรก็ตามในวรรคหนึ่งโดยไม่มีการอ้างอิงหรือเหตุผลใด ๆ เขาพูดว่า: คุณเห็นไหมไม่ได้รับอนุญาตให้ดูสิ่งที่เหลืออยู่ของพวกเขา มันเป็นการละเมิดหลักการความน่าจะเป็นที่จะตัดสินผลลัพธ์โดยวิธีการที่รุนแรงภายใต้แบบจำลอง สำหรับชาวเบย์นั้นไม่มีรูปแบบที่ไม่ดี แต่เป็นความเชื่อที่ไม่ดี เหตุใดชาว Bayesian จึงไม่ได้รับอนุญาตให้ดูสิ่งตกค้าง การอ้างอิงที่เหมาะสมสำหรับสิ่งนี้คืออะไร (เขาคือใครอ้างอิง) เดนนิส, บี. อภิปราย: นักนิเวศวิทยาควรกลายเป็นชาวเบย์? การประยุกต์ใช้งานระบบนิเวศสังคมนิเวศวิทยาของอเมริกา , 1996 , 6, 1095-1103

46 bayesian  residuals  frequentist  likelihood-principle 

นี่ค่อนข้างเกี่ยวข้องกับคำถามก่อนหน้าของฉันที่นี่: ตัวอย่างที่หลักการความน่าจะเป็น * สำคัญ * สำคัญหรือไม่ เห็นได้ชัดว่าเดโบราห์มาโยตีพิมพ์บทความทางวิทยาศาสตร์ทางสถิติเพื่อพิสูจน์หลักการของความน่าจะเป็นของ Birnbaum ใครสามารถอธิบายการโต้แย้งหลักโดย Birnbaum และการโต้เถียงโดย Mayo ได้หรือไม่? เธอพูดถูกหรือเปล่า?

27 mathematical-statistics  likelihood-principle 

มีตัวอย่างที่การทดสอบที่ป้องกันได้สองแบบที่แตกต่างกันซึ่งมีความน่าจะเป็นสัดส่วนจะนำไปสู่การอนุมานที่แตกต่างกันอย่างชัดเจน (และการป้องกันที่เท่ากัน) อย่างเช่นที่ p-values ​​เป็นลำดับของขนาดไกลออกไป ตัวอย่างทั้งหมดที่ฉันเห็นนั้นโง่มากการเปรียบเทียบทวินามกับลบทวินามโดยที่ p-value ของอันแรกคือ 7% และ 3% ที่สองซึ่งเป็น "แตกต่าง" เพียงอย่างเดียวที่จะทำการตัดสินใจไบนารีบนธรณีประตูตามอำเภอใจ อย่างมีนัยสำคัญเช่น 5% (ซึ่งโดยวิธีการเป็นมาตรฐานที่ค่อนข้างต่ำสำหรับการอนุมาน) และไม่ต้องกังวลกับการดูที่อำนาจ ถ้าฉันเปลี่ยนเกณฑ์เป็น 1% ทั้งคู่นำไปสู่ข้อสรุปเดียวกัน ฉันไม่เคยเห็นตัวอย่างที่จะนำไปสู่ข้อสรุปที่แตกต่างและชัดเจนซึ่งสามารถป้องกันได้ มีตัวอย่างเช่นนี้หรือไม่? ฉันถามเพราะฉันเห็นหมึกจำนวนมากที่ใช้ในหัวข้อนี้ราวกับว่าหลักการความน่าจะเป็นเป็นพื้นฐานในการอนุมานเชิงสถิติ แต่ถ้าตัวอย่างที่ดีที่สุดมีตัวอย่างที่ไร้สาระเหมือนตัวอย่างข้างต้นหลักการนั้นดูเหมือนจะไม่สมบูรณ์ ดังนั้นฉันกำลังมองหาตัวอย่างที่น่าสนใจมากซึ่งหากไม่มีใครทำตาม LP น้ำหนักของหลักฐานจะชี้ไปในทิศทางเดียวอย่างท่วมท้นเมื่อได้รับการทดสอบเพียงครั้งเดียว แต่ในการทดสอบอื่นที่มีความเป็นไปได้สัดส่วนน้ำหนักของหลักฐานจะ จะชี้ไปในทิศทางตรงกันข้ามอย่างท่วมท้นและข้อสรุปทั้งสองดูสมเหตุสมผล ตามหลักการแล้วเราสามารถแสดงให้เห็นว่าเรามีคำตอบที่ห่างไกล แต่มีเหตุผลเช่นการทดสอบด้วยp=0.1พี=0.1p =0.1เทียบกับp=10−10พี=10-10p= 10^{-10}ด้วยความน่าจะเป็นสัดส่วนและพลังงานที่เทียบเท่าในการตรวจหาทางเลือกเดียวกัน PS:คำตอบของบรูซไม่ได้ตอบคำถามเลย

20 mathematical-statistics  likelihood  philosophical  likelihood-principle 

ในความคิดเห็นเพิ่งโพสต์ที่นี่ผู้วิจารณ์คนหนึ่งชี้ไปที่บล็อกของLarry Wassermanผู้ชี้ให้เห็น (โดยไม่มีแหล่งที่มา) ที่การอนุมานบ่อย ๆ ปะทะกับหลักการความน่าจะเป็น หลักการความน่าจะเป็นเพียงกล่าวว่าการทดลองที่ให้ฟังก์ชันความน่าจะเป็นที่คล้ายกันควรให้ข้อสรุปที่คล้ายคลึงกัน คำถามสองส่วนนี้: ส่วนใดกลิ่นรสหรือโรงเรียนที่มีการอนุมานเป็นประจำละเมิดหลักการความน่าจะเป็นโดยเฉพาะ? หากมีการปะทะกันเราต้องยกเลิกอย่างใดอย่างหนึ่งหรือไม่? ถ้าใช่แล้วอันไหนล่ะ? ฉันจะขอแนะนำว่าถ้าเราต้องทิ้งอะไรเราควรทิ้งส่วนของการอนุมานที่พบบ่อยซึ่งการปะทะกันเนื่องจากการแฮ็กและRoyallทำให้ฉันเชื่อว่าหลักการความน่าจะเป็นจริงเป็นจริง

19 inference  likelihood  frequentist  likelihood-principle 

ขณะนี้ฉันพยายามเข้าใจหลักการความน่าจะเป็นและฉันก็ไม่เข้าใจเลย ดังนั้นฉันจะเขียนคำถามทั้งหมดเป็นรายการแม้ว่าคำถามเหล่านั้นอาจเป็นคำถามพื้นฐาน วลี "ข้อมูลทั้งหมด" หมายความว่าอะไรในบริบทของหลักการนี้ (เช่นเดียวกับข้อมูลทั้งหมดในตัวอย่างมีอยู่ในฟังก์ชันความน่าจะเป็น) หลักการเชื่อมโยงกับข้อเท็จจริงที่พิสูจน์ได้อย่างใดนั่นคือ ? "ความน่าจะเป็น" ในหลักการเป็นสิ่งเดียวกันเช่นหรือไม่?p(x|y)∝p(y|x)p(x)p(x|y)∝p(y|x)p(x)p(x|y)\propto p(y|x)p(x)p(y|x)p(y|x)p(y|x) ทฤษฎีทางคณิตศาสตร์สามารถ "แย้ง" ได้อย่างไร? ความเข้าใจทางคณิตศาสตร์ของฉัน (อ่อน) คือทฤษฎีบทพิสูจน์แล้วหรือไม่ได้รับการพิสูจน์ หลักการความน่าจะเป็นอยู่ในประเภทใด หลักการความน่าจะเป็นมีความสำคัญอย่างไรสำหรับการอนุมานแบบเบย์ซึ่งอิงจากสูตร?p(x|y)∝p(y|x)p(x)p(x|y)∝p(y|x)p(x)p(x|y)\propto p(y|x)p(x)

17 bayesian  likelihood  likelihood-principle 

คำถามนี้ถูกกระตุ้นจากคำถาม: เมื่อใด (ถ้าเคย) เป็นวิธีการที่พบบ่อยดีกว่า Bayesian อย่างมาก? ในขณะที่ฉันโพสต์ในการแก้ปัญหาของฉันในความคิดของฉันถ้าคุณเป็นนักประดาน้ำที่คุณไม่ต้องเชื่อ / ยึดมั่นในหลักการโอกาส เพราะบ่อยครั้งที่วิธีการบ่อยครั้งจะละเมิดมัน อย่างไรก็ตามและนี่มักจะอยู่ภายใต้สมมติฐานของนักบวชที่เหมาะสมวิธีการแบบเบย์ไม่เคยละเมิดหลักการความน่าจะเป็น ดังนั้นตอนนี้ที่จะบอกว่าคุณเป็นชาว Bayesian แล้วที่ยืนยันความเชื่อหรือข้อตกลงของคน ๆ หนึ่งในหลักการความน่าจะเป็นหรือเป็นข้อโต้แย้งว่าการเป็นชาว Bayesian นั้นมีผลลัพธ์ที่ดีที่หลักการความน่าจะเป็นไม่ได้ถูกละเมิด?

14 bayesian  likelihood  likelihood-principle 

คำถามนี้ขึ้นมาในชั้นเรียน: ถ้าเราใช้ P-ค่าในการประเมินสมมติฐานในการทดลองซึ่งเป็นส่วนหนึ่งของความน่าจะเป็นหลักการที่เราไม่เชื่อฟัง: พอเพียงหรือconditionality ? สัญชาตญาณของฉันจะบอกว่าพอเพียงตั้งแต่คำนวณ p-value อาศัยอยู่กับผลการสังเกตการทดลองและพอเพียงดูเหมือนว่าจะจัดการกับข้อสังเกตอื่น ๆ ที่อยู่ในการทดลองเดียวในขณะที่conditionalityดูเหมือนว่าจะจัดการมากขึ้นด้วยการทดลองที่แตกต่างกัน

9 likelihood  philosophical  likelihood-principle