Джон Уилкинс — частотный подход против байесовского подхода

Частотный вывод — это один из возможных методов формулирования общеприменимых схем статистического вывода: он подразумевает получение выводов из выборочных данных путем акцентирования внимания на частоте или доле данных. Альтернативное название — частотная статистика. Это структура вывода, на которой основаны хорошо зарекомендовавшие себя методологии статистической проверки гипотез и доверительных интервалов. Помимо частотного вывода, основным альтернативным подходом к статистическому выводу является байесовский вывод, а также фидуциальный вывод. Хотя иногда считается, что «байесовский вывод» включает в себя подход к выводу, ведущий к оптимальным решениям, здесь для простоты используется более ограниченное толкование. — В статистике байесовский вывод — это метод вывода, в котором правило Байеса используется для обновления оценки вероятности гипотезы по мере получения дополнительных данных. Байесовское обновление является важным методом во всей статистике, и особенно в математической статистике. В некоторых случаях демонстрация байесовского вывода для статистического метода автоматически гарантирует, что этот метод работает так же хорошо, как и любой конкурирующий метод. Байесовское обновление особенно важно при динамическом анализе последовательности данных. Байесовский вывод нашел применение в различных областях, включая науку, технику, философию, медицину и право. В философии теории принятия решений байесовский вывод тесно связан с обсуждением субъективной вероятности, часто называемой «байесовской вероятностью». Байесовская вероятность предоставляет рациональный метод обновления убеждений. Подпишитесь на этот канал: http://youtube.com/subscription_cente... Наука, технологии и будущее: http://scifuture.org Humanity+: http://humanityplus.org @john_s_wilkins #philsci