Tôi thường nghe tuyên bố rằng số liệu thống kê Bayes có thể rất chủ quan.
Tôi cũng vậy, nhưng lưu ý rằng có một sự mơ hồ lớn trong việc gọi một cái gì đó chủ quan.
Chủ quan (cả hai giác quan)
Chủ quan có thể có nghĩa (ít nhất) một trong những
- phụ thuộc vào sự bình dị của nhà nghiên cứu
- quan tâm rõ ràng với trạng thái kiến thức của một cá nhân
Chủ nghĩa Bayes là chủ quan theo nghĩa thứ hai bởi vì nó luôn đưa ra một cách để cập nhật niềm tin được thể hiện bằng phân phối xác suất bằng cách điều chỉnh thông tin. (Lưu ý rằng liệu những niềm tin đó có phải là niềm tin mà một số chủ đề thực sự có hoặc chỉ là niềm tin mà một chủ đề có thể có không liên quan đến việc quyết định liệu đó có phải là 'chủ quan' hay không.)
Đối số chính là suy luận phụ thuộc vào sự lựa chọn của trước
Trên thực tế, nếu một ưu tiên đại diện cho niềm tin cá nhân của bạn về một cái gì đó thì bạn gần như chắc chắn đã không chọn nó nhiều hơn bất kỳ niềm tin nào của bạn. Và nếu nó đại diện cho niềm tin của ai đó thì đó có thể là một đại diện ít nhiều chính xác cho những niềm tin đó, thật trớ trêu thay, sẽ có một thực tế khá 'khách quan' về việc nó thể hiện chúng tốt như thế nào.
(mặc dù người ta có thể sử dụng nguyên tắc thờ ơ o entropy tối đa để chọn trước).
Người ta có thể, mặc dù điều này không có xu hướng khái quát hóa rất trơn tru cho các miền liên tục. Ngoài ra, có thể cho rằng không thể bằng phẳng hoặc 'thờ ơ' trong tất cả các tham số cùng một lúc (mặc dù tôi chưa bao giờ chắc chắn lý do tại sao bạn muốn trở thành).
Trong so sánh, yêu cầu đi, thống kê thường xuyên nói chung là khách quan hơn. Có bao nhiêu sự thật trong tuyên bố này?
Vậy làm thế nào chúng ta có thể đánh giá tuyên bố này?
Tôi đề nghị rằng trong ý thức thứ hai của chủ quan: chủ yếu là chính xác. Và theo nghĩa chủ quan đầu tiên: nó có thể sai.
Chủ nghĩa thường xuyên là chủ quan (giác quan thứ hai)
Một số chi tiết lịch sử là hữu ích để lập bản đồ các vấn đề
Đối với Neyman và Pearson, chỉ có hành vi quy nạp chứ không phải suy luận quy nạp và tất cả các đánh giá thống kê đều hoạt động với các thuộc tính lấy mẫu dài hạn của các công cụ ước tính. (Do đó phân tích alpha và công suất, nhưng không phải giá trị p). Điều đó khá không thuyết phục theo cả hai nghĩa.
Quả thực là có thể, và tôi nghĩ khá hợp lý, khi lập luận theo những dòng này rằng Chủ nghĩa thường xuyên thực sự không phải là một khung suy luận mà là một tập hợp các tiêu chí đánh giá cho tất cả các quy trình suy luận có thể nhấn mạnh hành vi của họ trong ứng dụng lặp đi lặp lại. Các ví dụ đơn giản sẽ là tính nhất quán, không thiên vị, v.v ... Điều này rõ ràng không có ý nghĩa trong ý nghĩa 2. Tuy nhiên, nó cũng có nguy cơ bị chủ quan theo nghĩa 1 khi chúng ta phải quyết định làm gì khi những điều đó không được áp dụng (ví dụ khi không có một công cụ ước tính không thiên vị sẽ có) hoặc khi chúng áp dụng nhưng mâu thuẫn.
Fisher đưa ra một Chủ nghĩa thường xuyên ít mang tính chất không thú vị, rất thú vị. Đối với Fisher, có một thứ như suy luận quy nạp, theo nghĩa là một chủ đề, nhà khoa học, đưa ra những suy luận trên cơ sở phân tích dữ liệu, được thực hiện bởi nhà thống kê. (Do đó giá trị p nhưng không phân tích alpha và công suất). Tuy nhiên, các quyết định về cách ứng xử, có nên tiếp tục nghiên cứu, v.v. được đưa ra bởi nhà khoa học trên cơ sở hiểu biết của cô về lý thuyết miền, chứ không phải bởi nhà thống kê áp dụng mô hình suy luận. Do sự phân công lao động của ngư dân này, cả chủ thể (giác quan 2) và chủ thể cá nhân (giác quan 1) đều ngồi về phía khoa học chứ không phải phía thống kê.
Nói một cách hợp pháp, Chủ nghĩa thường xuyên của Fisher là chủ nghĩa chủ quan. Chỉ là đối tượng chủ quan không phải là thống kê.
Có nhiều tổng hợp khác nhau có sẵn, cả hai sự pha trộn gần như kết hợp của hai thứ này bạn tìm thấy trong sách giáo khoa thống kê được áp dụng và các phiên bản nhiều sắc thái hơn, ví dụ như 'Thống kê lỗi' được đẩy bởi Deborah Mayo. Cái sau này khá không phù hợp với ý nghĩa 2, nhưng chủ quan cao trong ý nghĩa 1, bởi vì nhà nghiên cứu phải sử dụng phán đoán khoa học - phong cách Fisher - để tìm ra xác suất lỗi nào quan trọng và shoudl sẽ được kiểm tra.
Chủ nghĩa thường xuyên là chủ quan (ý nghĩa đầu tiên)
Vì vậy, chủ nghĩa thường xuyên ít chủ quan trong ý nghĩa đầu tiên? Nó phụ thuộc. Bất kỳ thủ tục suy luận có thể được đánh đố với idiosyncracies như thực sự áp dụng. Vì vậy, có lẽ sẽ hữu ích hơn khi hỏi liệu Chủ nghĩa thường xuyên có khuyến khích không cách tiếp cận ít chủ quan (ý nghĩa đầu tiên) không? Tôi nghi ngờ điều đó - tôi nghĩ rằng việc áp dụng tự ý thức của các phương pháp chủ quan (giác quan thứ hai) dẫn đến kết quả ít chủ quan (ý nghĩa thứ nhất), nhưng nó có thể được tranh luận theo một trong hai cách.
Giả sử trong một khoảnh khắc rằng tính chủ quan (ý nghĩa đầu tiên) lẻn vào một phân tích thông qua 'sự lựa chọn'. Bayes dường như liên quan đến nhiều 'sự lựa chọn' hơn. Trong trường hợp đơn giản nhất, các lựa chọn được kiểm đếm là: một tập hợp các giả định có khả năng bình dị cho Người thường xuyên (hàm Likabilities hoặc tương đương) và hai bộ cho Bayesian (Khả năng thích ứng và trước là ẩn số).
Tuy nhiên, người Bayes biết rằng họ đang chủ quan (theo nghĩa thứ hai) về tất cả những lựa chọn này nên họ có khả năng tự ý thức hơn về những hàm ý sẽ dẫn đến ít chủ quan hơn (theo nghĩa thứ nhất).
Ngược lại, nếu một người tìm kiếm một bài kiểm tra trong một cuốn sách kiểm tra lớn, thì người ta có thể cảm thấy rằng kết quả đó ít chủ quan hơn (ý nghĩa đầu tiên), nhưng có thể cho rằng đó là kết quả của việc thay thế sự hiểu biết của một đối tượng khác về vấn đề của chính mình . Không rõ ràng rằng người ta đã bớt chủ quan theo cách này, nhưng nó có thể cảm thấy như vậy. Tôi nghĩ rằng hầu hết sẽ đồng ý rằng điều đó là vô ích.