Quem são os bayesianos?

92

À medida que alguém se interessa por estatística, a dicotomia "Frequentista" vs. "Bayesiano" logo se torna comum (e quem nunca leu The Signal and the Noise , de Nate Silver , afinal?). Em palestras e cursos introdutórios, o ponto de vista é predominantemente freqüentador ( MLE , valores), mas tende a haver uma pequena fração de tempo dedicada a admirar a fórmula de Bayes e abordar a ideia de uma distribuição anterior , geralmente tangencialmente.p

O tom empregado para discutir as estatísticas bayesianas oscila entre o respeito por seus fundamentos conceituais e uma pitada de ceticismo em relação ao abismo entre objetivos elevados e arbitrariedade na seleção da distribuição anterior ou, afinal, o uso eventual de matemática freqüentadora.

Frases como "se você é um bayesiano ..." são muitas.

A questão é: quem são os bayesianos hoje? São algumas instituições acadêmicas selecionadas nas quais você sabe que se for para lá se tornará bayesiano? Se sim, eles são especialmente procurados? Estamos nos referindo a apenas alguns estatísticos e matemáticos respeitados e, se sim, quem são eles?

Eles existem como tais, esses "bayesianos" puros? Eles aceitariam alegremente o rótulo? É sempre uma distinção lisonjeira? Eles são matemáticos com slides peculiares nas reuniões, privados de quaisquer valores de e intervalos de confiança, facilmente encontrados na brochura?p

Quanto de um nicho está sendo um "bayesiano"? Estamos nos referindo a uma minoria de estatísticos?

Ou o atual islamismo bayesiano é equiparado a aplicativos de aprendizado de máquina?

... Ou, mais provavelmente, a estatística bayesiana não é tanto um ramo da estatística, mas um movimento epistemológico que transcende o âmbito dos cálculos de probabilidade em uma filosofia da ciência? Nesse sentido, todos os cientistas teriam um coração bayesiano ... mas não haveria um estatístico bayesiano puro impermeável às técnicas freqüentistas (ou contradições).

Antoni Parellada
fonte
18
Eu também gostaria de saber! Meu sentimento é que "bayesianos" é frequentemente um termo usado por aqueles que não gostam desse tipo de estatística. Sou um grande fã da análise de dados bayesiana, mas não me considero bayesiano , da mesma maneira que não me considero um algebraista de matrizes .
Rasmus Bååth 13/08/2015
4
A divisão aparente é, de certa forma, imaginária. Às vezes, as pessoas simplesmente gostam de adotar uma abordagem eles-e-nós. Tenho a impressão de que, depois de alguns anos, ninguém se importa mais. As "filosofias" não são contraditórias. Os freqüentistas não têm uma receita mágica para encontrar bons estimadores. Porém, dados dois estimadores, eles podem ter um critério para decidir qual estimador é o melhor. (Mesmo assim, dois freqüentadores podem discordar um do outro e usar critérios diferentes. Mas discordo). ...
Aaron McDaid
1
... (continuação) Um freqüentador hardcore, em busca de uma classe de estimadores para selecionar o "melhor", pode razoavelmente decidir considerar a classe de todos os estimadores bayesianos (isto é, anteriores) e, portanto, usar o estimador (anterior) isso é melhor de acordo com o critério "objetivo". Essa pessoa é freqüentista (por causa de como seleciona o melhor avaliador) ou bayesiana (porque considera apenas estimadores bayesianos como candidatos)? Alguém se importa? Eu acho que muitas dessas pessoas se chamam bayesianas, embora possam estar erradas em sua auto-atribuição.
Aaron McDaid
3
Apenas para observar - os MLEs também são baseados em métodos verossimilhantes e não puramente freqüentadores.
23815 Lauren Goodwin
5
@Count Parte da literatura com a qual eu estou familiarizado (em comunicação de risco e psicologia relacionada - Kahneman, Slovic, Tersky, et al. ) Mostra que as pessoas não usam procedimentos matematicamente corretos para raciocinar sobre probabilidades. Para um relato popular de parte disso, consulte Pensamento de Kahneman , Rápido e Lento. A implicação lógica do seu comentário, então, é que os humanos não são "formas de vida complexas".
whuber

Respostas:

58

Vou responder suas perguntas em ordem:

A questão é: quem são os bayesianos hoje?

Qualquer pessoa que faça análise de dados bayesiana e se identifique como "bayesiana". Assim como um programador é alguém que programa e se identifica como um "programador". Uma pequena diferença é que, por razões históricas, o bayesiano tem conotações ideológicas, devido ao argumento frequentemente acalorado entre os proponentes das interpretações "freqüentistas" da probabilidade e os proponentes das interpretações "bayesianas" da probabilidade.

São algumas instituições acadêmicas selecionadas, nas quais você sabe que se for para lá se tornará bayesiano?

Não, assim como outras partes da estatística, você só precisa de um bom livro (e talvez um bom professor).

Se sim, eles são especialmente procurados?

A análise de dados bayesiana é uma ferramenta muito útil na modelagem estatística, que eu imagino ser uma habilidade bastante procurada (mesmo que as empresas talvez não estejam procurando especificamente "bayesianos").

Estamos nos referindo a apenas alguns estatísticos e matemáticos respeitados e, se sim, quem são eles?

Acredito que há muitos estatísticos respeitados que se autodenominariam bayesianos , mas esses não são os bayesianos.

Eles existem como tais, esses "bayesianos" puros?

É como perguntar "Esses programadores puros existem"? Há um artigo divertido chamado 46656 Variedades de bayesianos , e com certeza existe um argumento saudável entre os "bayesianos" sobre muitas questões fundamentais. Assim como os programadores podem discutir sobre os méritos de diferentes técnicas de programação. (BTW, programa puro para programadores em Haskell).

Eles aceitariam alegremente o rótulo?

Alguns fazem, outros não. Quando descobri a análise de dados bayesiana, achei que era a melhor desde o pão fatiado (ainda o faço) e fiquei feliz em me chamar de "bayesiana" (principalmente para irritar as pessoas que valorizam p no meu departamento). Atualmente, não gosto do termo, acho que ele pode alienar as pessoas, pois faz com que a análise de dados bayesiana pareça algum tipo de culto, o que não é, e não um método útil para se ter em sua caixa de ferramentas estatísticas.

É sempre uma distinção lisonjeira?

Não! Até onde eu sei, o termo "bayesiano" foi introduzido pelo famoso estatístico Fisher como um termo depreciativo. Antes disso, era chamado de "probabilidade inversa" ou apenas "probabilidade".

Eles são matemáticos com slides peculiares nas reuniões, privados de quaisquer valores de p e intervalos de confiança, facilmente encontrados na brochura?

Bem, existem conferências nas estatísticas bayesianas, e não acho que elas incluam tantos valores-p. Se você encontrará os slides peculiares dependerá do seu histórico ...

Quanto de um nicho está sendo um "bayesiano"? Estamos nos referindo a uma minoria de estatísticos?

Ainda acho que uma minoria de estatísticos lida com estatísticas bayesianas, mas também acho que a proporção está aumentando.

Ou o atual islamismo bayesiano é equiparado a aplicativos de aprendizado de máquina?

Não, mas os modelos bayesianos são muito usados ​​no aprendizado de máquina. Aqui está um ótimo livro de aprendizado de máquina que apresenta o aprendizado de máquina de uma perspectiva bayesiana / probibalista: http://www.cs.ubc.ca/~murphyk/MLbook/

Espero que tenha respondido a maioria das perguntas :)

Atualizar:

Por favor, considere adicionar uma lista de técnicas ou premissas específicas que distinguem as estatísticas bayesianas?

O que distingue as estatísticas Bayesian é o uso de modelos Bayesian :) Aqui é o meu giro sobre o que é um modelo Bayesian é :

Um modelo bayesiano é um modelo estatístico em que você usa a probabilidade para representar toda a incerteza dentro do modelo, tanto a incerteza em relação à saída, mas também a incerteza em relação à entrada (também conhecida como parâmetros) para o modelo. A coisa toda anterior / posterior / teorema de Bayes segue nisto, mas, na minha opinião, usar a probabilidade para tudo é o que a torna bayesiana (e, de fato, uma palavra melhor talvez seja apenas algo como modelo probabilístico).

Agora, os modelos bayesianos podem ser difíceis de ajustar , e há várias técnicas computacionais diferentes usadas para isso. Mas essas técnicas não são bayesianas em si mesmas. Para nomear algumas técnicas computacionais:

  • Cadeia de Markov Monte Carlo
    • Metropolis-Hastings
    • Amostragem de Gibbs
    • Hamiltoniano Monte Carlo
  • Bayes variacionais
  • Computação bayesiana aproximada
  • Filtros de partículas
  • Aproximação de Laplace
  • E assim por diante...

Quem foi o famoso estatístico que introduziu o termo 'Bayesiano' como depreciativo?

Supostamente era Ronald Fisher. O artigo Quando a inferência bayesiana se tornou "bayesiana"? dá a história do termo "bayesiano".

Rasmus Bååth
fonte
2
Oh, uau, eu lembro de você no post sobre as alturas das celebridades no blog de Andrew Gelman! Estou ansioso para ler "46656 variedades de bayesianos". Obrigado por uma boa resposta!
Ellie Kesselman
2
Muito bom! Eu gosto que você solte a palavra 'culto'. Eu hesitava para que ninguém se sentisse ofendido. Algumas das minhas perguntas eram apenas para ser um alerta ... no final, estou tentando aprender sobre estatística e fiquei curioso para entender a dicotomia por dentro.
Antoni Parellada
1
Um comentário: há muitas coisas que são rotuladas como "bayesianas" e as pessoas tendem a confundi-las (e o fazem exatamente nesta sessão de perguntas e respostas!). Uma lista não completa: A hipótese do cérebro bayesiano (um cérebro está basicamente fazendo estatísticas bayesianas), filosofia da ciência bayesiana, estatísticas bayesianas, visão bayesiana de probabilidade, métodos computacionais para fazer estatísticas bayesianas, etc. Certamente muitos deles estão relacionados (digamos Bayes probabilidade e estatísticas Bayes), mas você não precisa comprá-los todos! Por exemplo, acho que o cérebro bayesiano é altamente suspeito, mas adota a estatística bayesiana como uma técnica útil e prática .
Rasmus Bååth
1
Ótimo post! Uma coisa, no entanto, com a qual eu discordo é a sua resposta para "São algumas instituições acadêmicas selecionadas, nas quais você sabe que, se for para lá, se tornará bayesiano?" Pergunta, questão. Se você for ao departamento de estatística da Duke, você se tornará um bayesiano.
TrynnaDoStat
2
Cara, se eu tenho um upvote para cada pergunta que eu tenha respondido aqui eu teria ... 12 upvotes :)
Rasmus Baath
25

Bayesianos são pessoas que definem probabilidades como uma representação numérica da plausibilidade de alguma proposição. Frequentistas são pessoas que definem probabilidades como representando frequências de longo prazo. Se você está satisfeito apenas com uma ou outra dessas definições, é bayesiano ou freqüentador. Se você está satisfeito com um dos dois e usa a definição mais apropriada para a tarefa em questão, então é um estatístico! ; o) Basicamente, tudo se resume à definição de probabilidade, e eu espero que a maioria dos estatísticos em trabalho seja capaz de ver os benefícios e as desvantagens de ambas as abordagens.

indício de ceticismo em relação ao abismo entre objetivos elevados e arbitrariedade na seleção da distribuição anterior, ou eventual uso de matemática freqüentadora, afinal.

O ceticismo também vai na outra direção. O freqüentismo foi inventado com o objetivo elevado de eliminar a subjetividade do pensamento existente sobre probabilidade e estatística. No entanto, a subjetividade ainda está lá (por exemplo, na determinação do nível apropriado de significância no teste de hipóteses), mas simplesmente não é explicitada ou é frequentemente ignorada .

Dikran Marsupial
fonte
1
Isso eu não entendo. Você pode definir probabilidade como representando frequências de longo prazo, mas acredite em uma hipótese apenas quando seu P (H | O) é alto e sabe que P (O | H) (valor p) diz pouco. (Se você vive o suficiente com bastante introspecção, pode contar diretamente a frequência de ter razão.) #
Aleksandr Dubinsky
2
Os freqüentistas não podem atribuir um valor a P (H | O), pois a verdade de uma hipótese específica não tem frequência de longo prazo, é verdadeira ou não. Como resultado, só podemos anexar probabilidades a uma população (possivelmente fictícia) de experimentos a partir dos quais o que realmente observamos foi extraído, ou "rejeitar H0" ou "deixar de rejeitar H0" em um nível de significância específico. Infelizmente, qualquer uma dessas abordagens deixa possibilidades de erros de interpretação, pois o que realmente queremos do teste é exatamente P (H | O). Ambas as abordagens têm seus usos, mas é importante entender suas limitações.
Dikran Marsupial
Existe algum outro campo da matemática cujos praticantes sejam reféns da filosofia? Independentemente, na prática, essencialmente as mesmas perguntas surgem repetidas vezes. Por exemplo, "essa pessoa cometeu assassinato". A identidade única do acusado é irrelevante (assim como ignoramos os detalhes físicos de uma determinada rolagem). Dados os milhares de assassinatos cometidos a cada ano (e os milhares mais inocentemente acusados), qualquer conjunto de circunstâncias provavelmente terá ocorrido mais de uma vez. O que não é freqüente em decidir a culpa de alguém? No entanto, usar o valor-p seria uma grave injustiça.
Aleksandr Dubinsky
21

Andrew Gelman , por exemplo, professor de estatística e ciência política na Universidade de Columbia, é um proeminente bayesiano.

Eu suspeito que a maioria dos bolsistas da ISBA provavelmente se consideraria bayesiana também.

Em geral, os seguintes tópicos de pesquisa geralmente refletem uma abordagem bayesiana. Se você ler artigos sobre eles, é provável que os autores se descrevam como "bayesianos"

  • Cadeia de Markov Monte Carlo
  • Métodos Bayesianos Variacionais (o nome indica esse)
  • Filtragem de partículas
  • Programação probabilística
Arthur B.
fonte
2
Nota pequena: a filtragem de partículas não é apenas para bayesianos! Eu trabalhei com um professor em Berkeley, no qual usamos filtros de partículas para a etapa E de um algoritmo MCEM. Mas sim, os filtros de partículas são normalmente usados ​​pelos bayesianos.
Cliff AB
1
Se você vai pagar o preço computacional, por que não obter a consistência filosófica?
Arthur B.
8
Gelman não é um "núcleo duro". Tanto quanto posso dizer, ele vê as estatísticas bayesianas como algo que provou seu valor praticamente e está definitivamente interessado nas propriedades freqüentistas dos procedimentos bayesianos.
A. Donda
5
Deve-se notar que Markov-Chain Monte Carlo não está diretamente relacionada à estatística bayesiana, no mesmo era como otimização numérica não está diretamente relacionada à estimativa da probabilidade máxima ...
Rasmus Baath
3
Eu acho que também vale a pena notar que Andrew Gelman escreveu que ele não acha que seja significativo rotular uma pessoa como "bayesiana" ou "freqüentadora". Porém, algumas TÉCNICAS podem ser rotuladas assim. Ele acha que é contraproducente dividir arbitrariamente os estatísticos em um campo ou no outro, porque ambas as metodologias têm pontos fortes e fracos diferentes em contextos diferentes.
Ryan Simmons
20

Hoje somos todos bayesianos , mas há um mundo além desses dois campos: probabilidade algorítmica. Não sei ao certo qual é a referência padrão sobre esse assunto, mas há este belo artigo de Kolmogorov sobre complexidade algorítmica: AN Kolmogorov, Três abordagens para a definição do conceito “quantidade de informação” , Probl. Peredachi Inf., 1965, Volume 1, Edição 1, 3-11. Tenho certeza de que há uma tradução em inglês.

Neste artigo, ele define a quantidade de informações de três maneiras: combinatória, probabilística e (nova) algorítmica. Combinatório mapeia diretamente para frequentista, o Probabilist não corresponde diretamente ao bayesiano, mas é compatível com ele.

ATUALIZAÇÃO: Se você está interessado na filosofia da probabilidade, quero apontar para um trabalho muito interessante " As origens e o legado do Grundbegriffe de Kolmogorov"de Glenn Shafer e Vladimir Vovk. Nós meio que esquecemos tudo antes de Kolmogorov, e havia muita coisa acontecendo antes de seu trabalho seminal. Por outro lado, não sabemos muito sobre suas visões filosóficas. Geralmente se pensa que ele era um freqüentador, por exemplo. A realidade de que ele viveu na União Soviética em 1930 ', onde era bastante perigoso se aventurar na filosofia, literalmente, você poderia ter problemas existenciais, o que alguns cientistas fizeram (acabaram nas prisões GULAG). , ele foi meio que forçado a indicar implicitamente que era um frequentista.Eu acho que, na realidade, ele não era apenas um matemático, mas ele era um cientista e tinha uma visão complexa da aplicabilidade da teoria da probabilidade à realidade.

Há também outro artigo de Vovk sobre a abordagem algorítmica de Kolmogorov à aleatoriedade: as contribuições de Kolmogorov para os fundamentos da probabilidade

Vovk criou uma abordagem da teoria dos jogos às probabilidades - também muito interessante.

P(B|E)BEP(E|B)

insira a descrição da imagem aqui

ATUALIZAÇÃO 3:

Eu também queria apontar para algo no trabalho original de Kolmogorov que não é comumente conhecido por algum motivo (ou facilmente esquecido) pelos praticantes. Ele tinha uma seção sobre conectar a teoria à realidade. Em particular, ele estabeleceu duas condições para o uso da teoria:

  • A. Se você repetir o experimento várias vezes, a frequência da ocorrência será diferente apenas em uma pequena quantidade da probabilidade, praticamente certamente
  • B. Se a probabilidade for muito pequena, se você realizar o experimento apenas uma vez, poderá ter praticamente certeza de que o evento não ocorrerá.

Existem interpretações diferentes dessas condições, mas a maioria das pessoas concorda que essas não são as visões puramente freqüentistas. Kolmogorov declarou que segue a abordagem de von Mises até certo ponto, mas ele parecia indicar que as coisas não são tão simples quanto podem parecer. Costumo pensar na condição B e não posso chegar a uma conclusão estável, parece um pouco diferente toda vez que penso nisso.

Aksakal
fonte
2
Seu primeiro hiperlink é o que você pretendia?
Antoni Parellada
3
@AntoniParellada, ele está destinado a ser uma piada :)
Aksakal
Completamente sobre a minha cabeça ... E provavelmente é engraçado, dada a natureza inane da discussão hiperlink ... Então, desculpe eu perdi ...
Antoni Parellada
1
"McCain para o presidente da Geórgia:" Hoje somos todos georgianos "Haha, isso é engraçado.
Deep North
1
@Aksakal Kolmogorov em inglês
Antoni Parellada
17

O bayesiano mais "hard core" que eu conheço é Edwin Jaynes , falecido em 1998. Eu esperaria que outros bayesianos "hard core" fossem encontrados entre seus alunos, especialmente o co-autor póstumo de seu trabalho principal . Lógica da Ciência , Larry Bretthorst. Outros bayesianos históricos notáveis ​​incluem Harold Jeffreys e Leonard Savage . Embora eu não tenha uma visão geral completa do campo, minha impressão é que a popularidade mais recente dos métodos bayesianos (especialmente no aprendizado de máquina) não se deve a convicções filosóficas profundas, mas à posição pragmática de que os métodos bayesianos se mostraram úteis em muitos formulários. Eu acho que típico para esta posição é Andrew Gelman .

A. Donda
fonte
Parece um pouco como uma ideia romântica. Norman Rockwell das estatísticas?
Antoni Parellada
1
@AntoniParellada, não tenho idéia do que você quer dizer com isso ...
A. Donda
2
Jaynes e Jeffreys também eram quem eu tinha em mente. Um ótimo ensaio é "Onde nos posicionamos na entropia máxima?"
Neil G
2
Hmmm, eu sempre leio Jaynes como sendo muito pragmático sobre Bayes.
Rasmus Bååth
8

Não sei quem são os bayesianos (embora suponha que deva ter uma distribuição prévia disso), mas sei quem eles não são.

Para citar o eminente Bayesiano agora falecido, DV Lindley, "não há ninguém menos bayesiano que um bayesiano empírico". Seção empírica de Bayes de Métodos Bayesianos: Uma Abordagem de Ciências Sociais e Comportamentais, Segunda Edição por Jeff Gill . Significado Suponho que mesmo os "freqüentistas" pensem sobre o que o modelo faz sentido (a escolha de uma forma de modelo, em certo sentido, constitui um anterior), em oposição aos bayesianos empíricos que são totalmente mecânicos em relação a tudo.

Penso que, na prática, não há muita diferença nos resultados das análises estatísticas realizadas pelos mais altos escalões Bayesianos e Frequentistas. O que é assustador é quando você vê um estatístico de baixa qualidade que tenta padronizar-se rigidamente (nunca o observou com uma mulher) após seu modelo ideológico com absoluta pureza ideológica e abordar a análise exatamente como ele acha que seria o modelo, mas sem o qualidade de pensamento e julgamento que o modelo tem. Isso pode resultar em análises e recomendações muito ruins. Eu acho que ideólogos de núcleo ultra-rígido, mas de baixa qualidade, são muito mais comuns entre os bayesianos do que os freqüentistas. Isso se aplica particularmente à análise de decisão.

Mark L. Stone
fonte
1
É bom apontar algumas rigidez com humor. Ty
Antoni Parellada
6

Provavelmente estou atrasado para esta discussão para alguém perceber isso, mas acho uma pena que ninguém tenha apontado o fato de que a diferença mais importante entre as abordagens Bayesiana e Frequentista é que os Bayesianos (principalmente) usam métodos que respeitam o princípio da probabilidade, enquanto os freqüentistas quase sempre não. O princípio da verossimilhança diz que as evidências relevantes para o parâmetro do modelo estatístico de interesse estão inteiramente contidas na função de verossimilhança relevante.

Os freqüentistas que se preocupam com a teoria ou filosofia estatística devem estar muito mais preocupados com argumentos sobre a validade do princípio da probabilidade do que com argumentos sobre a distinção entre frequência e interpretações de probabilidade de crenças parciais e sobre o desejo de probabilidades anteriores. Embora seja possível que diferentes interpretações de probabilidade coexistam sem conflito e que algumas pessoas optem por fornecer uma prévia sem exigir que outras o façam, se o princípio da probabilidade for verdadeiro em sentido positivo ou normativo, muitos métodos freqüentistas perderão suas pretensões. para otimizar. Os ataques freqüentes ao princípio da verossimilhança são veementes, porque esse princípio mina sua visão estatística do mundo, mas principalmente esses ataques perdem sua marca ( http://arxiv.org/abs/1507.08394)

Michael Lew
fonte
4

Você pode acreditar que é bayesiano, mas provavelmente está errado ... http://www.rmm-journal.de/downloads/Article_Senn.pdf

Os bayesianos derivam a distribuição de probabilidade de resultados de interesse, dada crença prévia / informação prévia. Para um bayesiano, essa distribuição (e seus resumos) é o que mais interessa às pessoas. Contraste com os resultados "freqüentistas" típicos que mostram qual a chance de ver resultados tão ou mais extremos do que aqueles observados, uma vez que a hipótese nula é verdadeira ( valor p) ou estimativas de intervalo para o parâmetro de interesse, 95% dos quais conteriam o valor verdadeiro se você pudesse fazer amostragens repetidas (intervalo de confiança).

As distribuições anteriores bayesianas são controversas porque são suas anteriores. Não há prévia "correta". A maioria dos bayesianos pragmáticos procura evidências externas que possam ser usadas para anteriores e depois as desconta ou modifica com base no que se espera ser "razoável" para o caso em particular. Por exemplo, priores céticos podem ter uma "massa" de probabilidade em um caso nulo - "Quão bons seriam os dados para me fazer mudar de idéia / mudar a prática atual?" A maioria também analisará a robustez das inferências para diferentes antecedentes.

Há um grupo de bayesianos que estuda priores de "referência" que lhes permitem construir inferências que não são "influenciadas" por crenças anteriores e, portanto, obtêm declarações probabilísticas e estimativas de intervalo que possuem propriedades "freqüentistas".

Há também um grupo de "hardcore bayesianos" que podem advogar a não escolha de um modelo (todos os modelos estão errados) e que podem argumentar que a análise exploratória deve influenciar seus antecedentes e, portanto, não deve ser feita. Existem poucos que radical embora ...

Na maioria dos campos da estatística, você encontrará análises e profissionais bayesianos. Assim como você encontrará algumas pessoas que preferem não paramétricos ...

MikeKSmith
fonte
2
Acho que entendi melhor as estatísticas bayesianas depois de ler seu post. Eu me pergunto se você pode vinculá-lo à pergunta real para envolvê-lo em uma resposta excelente ... Foi na linha dos Bayesianos ser um grupo específico de pessoas com nomes ou departamentos matemáticos conhecidos por seu viés em relação à abordagem de Bayes. estatísticas, etc.
Antoni Parellada
1
Existem muitos indivíduos e departamentos acadêmicos que favoreceram as estatísticas bayesianas agora e no passado. É difícil destacar alguém em particular. Se você estiver interessado mais, recomendo consultar o ISBA bayesian.org .
MikeKSmith
1
Alguns nomes de olhar para fora: Don Berry, Jim Berger, David Draper, Merlise Clyde, Mike West, David Spiegelhalter, Peter Thall ...
MikeKSmith
Sim, alguém postou o link e, na verdade, passei pela lista alfabética procurando padrões ... Não encontrei nenhum, o que não é surpreendente, pois não sou estatístico. Eu acho que a idéia se resume a: Bayes é uma idéia alta e pura que as pessoas gostam de reivindicar adesão a, ou é (ainda) uma maneira bem definida e cotidiana de praticar estatística aplicada em contraste com o freqüentismo - o último um som não "sexy" para anexar seu nome, mas possivelmente mais prático?
Antoni Parellada
1
Em resposta à sua última pergunta, são as duas coisas. É definitivamente uma abordagem filosófica. Complementa o método científico que diz que observamos o que é (informação prévia), hipotetizamos, experimentamos, sintetizamos e atualizamos nosso conhecimento atual, que se torna o anterior de amanhã. Mas também é um método estatístico de análise que pode ser aplicado a um caso individual.
MikeSmith #
4

Apenas para responder à sua última pergunta (por isso não busco um prêmio!), Sobre uma ligação entre uma abordagem bayesiana / freqüentista e a posição epistemológica de uma pessoa, a autora mais interessante que encontrei é Deborah Mayo. Um bom ponto de partida é essa troca de 2010 entre Mayo e Andrew Gelman (que emerge aqui como um bayesiano um tanto herético). Mayo mais tarde publicou uma resposta detalhada ao artigo de Gelman & Shalizi aqui .

Alan Sloane
fonte
2

Um subconjunto de todos os bayesianos, ou seja, aqueles bayesianos que se preocuparam em enviar um email, está listado aqui .

jaradniemi
fonte
Encontrei lá dois professores de estatística que se identificam como bayesianos. Esta deve ser uma boa lista então.
Aksakal
1
@ Aksakal Eu acho que isso é mais um reflexo do fato de que os estatísticos vêm de uma variedade de origens. Se o critério for "pessoas que publicaram em grandes periódicos de estatísticas", muitas dezenas desses nomes contam, seja qual for o nome do departamento em que se encontram. Reconheci um número bastante grande apenas pesquisando a lista.
Glen_b
@ Aksakal Eu não entendo o seu ponto. Existem 2 (talvez 3) professores de estatística nas 5 primeiras pessoas nessa lista.
precisa saber é o seguinte
@jaradniemi, lembrei-me de dois professores que são abertamente bayesianos e os encontrei na lista. Isso me faz pensar que a lista é provavelmente representativa.
Aksakal
2

Eu chamaria Bruno de Finetti e LJ Savage Bayesians. Eles trabalharam em seus fundamentos filosóficos.

AlaskaRon
fonte
10
Desde que De Finetti (observe a ortografia) morreu 30 anos atrás e Savage 44 anos atrás, eles dificilmente poderiam ser reconhecidos como respondendo "Quem são os bayesianos hoje?", A menos que de alguma forma tenham se levantado como zumbis e estejam publicando pseudônimo.
whuber
@whuber ... Parece (do lado de fora) mais uma idéia boa e grandiosa ... semelhante a pensar em si mesmo como baseada em evidências, atualizando constantemente nossa visão do mundo com base em nossos antecedentes e nas evidências coletadas. Bayes como epistemologia ... em vez de uma adesão estrita a um conjunto "diferente" de técnicas estatísticas ....
Antoni Parellada
0

Para entender o debate fundamental entre frequentistas e bayesianos, seria difícil encontrar uma voz mais autoritária do que Bradley Efron.

Este tópico foi um tema que ele abordou várias vezes em sua carreira, mas pessoalmente achei um de seus trabalhos mais antigos úteis: Controvérsias nos Fundamentos da Estatística (este ganhou um prêmio por excelência expositiva).

gnarledRoot
fonte