CẢNH BÁO Tôi đã viết câu trả lời này từ lâu với rất ít ý tưởng về những gì tôi đang nói. Tôi không thể xóa nó vì nó đã được chấp nhận, nhưng tôi không thể đứng sau hầu hết các nội dung.
Đây là một câu trả lời rất dài và tôi hy vọng nó sẽ hữu ích theo một cách nào đó. SPC không phải là lĩnh vực của tôi, nhưng tôi nghĩ những nhận xét này đủ chung để họ áp dụng ở đây.
Tôi cho rằng lợi thế được trích dẫn nhiều nhất - khả năng kết hợp niềm tin trước đây - là một lợi thế yếu của các lĩnh vực áp dụng / thực nghiệm. Đó là bởi vì bạn cần định lượng trước. Ngay cả khi tôi có thể nói "tốt, cấp z chắc chắn là không thể tin được", tôi không thể nói với bạn điều gì sẽ xảy ra dưới z. Trừ khi các tác giả bắt đầu xuất bản dữ liệu thô của họ theo nhóm, những dự đoán tốt nhất của tôi cho các linh mục là những khoảnh khắc có điều kiện được lấy từ tác phẩm trước đó có thể hoặc không được trang bị trong những điều kiện tương tự như những gì bạn phải đối mặt.
Về cơ bản, các kỹ thuật Bayes (ít nhất là ở cấp độ khái niệm) là tuyệt vời khi bạn có một giả định / ý tưởng / mô hình mạnh mẽ và muốn đưa nó vào dữ liệu, sau đó xem bạn biến thành sai hay không sai. Nhưng thường thì bạn không muốn xem liệu bạn có đúng về một mô hình cụ thể cho quy trình kinh doanh của bạn hay không; nhiều khả năng bạn không cómô hình, và đang tìm kiếm để xem những gì quá trình của bạn sẽ làm. Bạn không muốn đưa ra kết luận của mình, bạn muốn dữ liệu của mình đưa ra kết luận. Nếu bạn có đủ dữ liệu, đó là điều sẽ xảy ra dù sao đi nữa, nhưng trong trường hợp đó tại sao phải bận tâm với điều đó? Có lẽ đó là sự hoài nghi và sợ rủi ro quá mức, nhưng tôi chưa bao giờ nghe nói về một doanh nhân lạc quan cũng thành công. Không có cách nào để định lượng sự không chắc chắn của bạn về niềm tin của chính bạn, và bạn thà không có nguy cơ quá tự tin vào những điều sai trái. Vì vậy, bạn đặt một ưu tiên không chính xác và lợi thế biến mất.
Điều này rất thú vị trong trường hợp SPC bởi vì không giống như trong tiếp thị kỹ thuật số, quy trình kinh doanh của bạn không tồn tại mãi trong tình trạng thay đổi không thể đoán trước. Ấn tượng của tôi là các quy trình kinh doanh có xu hướng thay đổi có chủ ý và tăng dần. Đó là, bạn có một thời gian dài để xây dựng các linh mục tốt, an toàn. Nhưng nhớ lại rằng các linh mục là tất cả về tuyên truyền sự không chắc chắn. Về mặt chủ quan, chủ nghĩa Bayes có lợi thế là nó truyền bá một cách khách quan sự không chắc chắn qua các quá trình tạo dữ liệu được lồng ghép sâu sắc. Điều đó, với tôi, thực sự là những gì thống kê Bayes tốt cho. Và nếu bạn đang tìm kiếm độ tin cậy của quá trình của bạn vượt ra ngoài ngưỡng "tầm quan trọng" 1 trong 20, có vẻ như bạn sẽ muốn tính đến sự không chắc chắn nhất có thể.
Vậy các mô hình Bayes ở đâu? Trước hết, họ khó thực hiện. Nói một cách thẳng thắn, tôi có thể dạy OLS cho một kỹ sư cơ khí trong 15 phút và để anh ta điều chỉnh hồi quy và kiểm tra t trong Matlab trong một lần khác 5. Để sử dụng Bayes, trước tiên tôi cần quyết định loại mô hình nào tôi phù hợp, và sau đó xem liệu có một thư viện làm sẵn cho nó bằng ngôn ngữ mà ai đó ở công ty tôi biết không. Nếu không, tôi phải sử dụng BUGS hoặc Stan. Và sau đó tôi phải chạy mô phỏng để có được câu trả lời cơ bản và mất khoảng 15 phút trên máy i7 8 nhân. Quá nhiều cho việc tạo mẫu nhanh. Và thứ hai, vào thời điểm bạn nhận được câu trả lời, bạn đã dành hai giờ để viết mã và chờ đợi, chỉ để có được kết quả giống như bạn có thể có với các hiệu ứng ngẫu nhiên thường xuyên với các lỗi tiêu chuẩn gộp. Có lẽ đây là tất cả tự phụ và sai lầm và tôi không hiểu SPC chút nào.
Tôi ví chủ nghĩa Bayes với một con dao đầu bếp chất lượng rất cao, một stockpot và một chiếc chảo xào ; thường xuyên giống như một nhà bếp đầy đủ các công cụ As-Seen-On-TV như máy thái chuối và nồi mì ống có lỗ trên nắp để thoát nước dễ dàng . Nếu bạn là một đầu bếp thực hành có nhiều kinh nghiệm trong bếp - thực sự, trong nhà bếp của bạn có kiến thức thực sự, sạch sẽ và có tổ chức và bạn biết mọi thứ nằm ở đâu - bạn có thể làm những điều tuyệt vời với lựa chọn nhỏ của mình công cụ thanh lịch, chất lượng cao. Hoặc, bạn có thể sử dụng một loạt các công cụ ad-hoc * nhỏ khác nhau, không yêu cầu kỹ năng sử dụng, để tạo ra một bữa ăn đơn giản, thực sự không đến một nửa và có một vài hương vị cơ bản có thể hiểu được. Bạn vừa về nhà từ các mỏ dữ liệu và bạn đang khao khát kết quả; bạn nấu món gì
* Bayes chỉ là ad-hoc, nhưng ít minh bạch như vậy. Bao nhiêu rượu đi trong coq au vin của bạn? Không có ý tưởng, bạn nhãn cầu nó bởi vì bạn là một pro. Hoặc, bạn không thể phân biệt sự khác biệt giữa Pinot Grigio và Pinot Noir nhưng công thức đầu tiên trên Epicquil cho biết sử dụng 2 cốc màu đỏ để đó là điều bạn sẽ làm. Cái nào nhiều "ad-hoc?"