Tôi dạy vật lý cho học sinh trung học, và tôi muốn học sinh của mình tiến hành so sánh mô hình Bayes thô sơ cho dữ liệu từ thí nghiệm của họ. Tôi đã tìm ra một cách để họ làm như vậy (xem bên dưới), nhưng tôi không chắc nó đúng. Tôi rất đánh giá cao bất kỳ phản hồi nào về nó (đặc biệt là phản hồi tiêu cực!), Hoặc đề xuất về cách làm điều đó tốt hơn.
Tôi muốn so sánh một lý thuyết tuyến tính, với các tham số độ dốc và chặn , với một giả thuyết khống về hằng số tức là độ dốc = 0. Trong cả hai trường hợp, tôi giả sử nhiễu đối xứng Gaussian.
Các sinh viên có thể rút ra, sử dụng Excel, ước tính khả năng tối đa cho độ dốc và đánh chặn ( và ), và các lỗi của họ và .
- Đối với độ dốc trước, tôi xem xét một Gaussian rộng, tập trung vào ước tính tối đa = khả năng ( ) và với độ lệch chuẩn gấp mười lần. Lý do của tôi là tôi thực tế mong đợi họ tìm thấy các tham số dòng "chính xác" ít nhất là trong một cường độ, và trong thực tế, họ sẽ tìm thấy chúng gần hơn vì vậy nếu tôi thay thế độ dốc "chính xác" bằng MLE của nó, tôi sẽ không thay đổi số lượng quá nhiều.
- Đối với khả năng của bằng chứng đưa ra bất kỳ lý thuyết tuyến tính cụ thể nào, tôi xem xét phân phối Gaussian đa biến tiêu chuẩn, với độ lệch chuẩn ( ) liên quan đến tổng bình phương còn lại.
- Do đó, khả năng của bằng chứng cho lý thuyết tuyến tính nói chung, tức là tích phân của ưu tiên và khả năng trên, do đó được ước tính là ưu tiên và khả năng tại điểm MLE, nhân với sai số ở độ dốc .
- Khả năng của các bằng chứng đưa ra giả thuyết null được giả sử là một Gaussian đa biến khác, hiện đang sử dụng tổng độ lệch chuẩn ( ), dựa trên sự khác biệt so với mức trung bình-Y.
Đây là phần tôi ít chắc chắn nhất: Tôi ước tính hệ số Bayes là tỷ lệ của hai khả năng trên (3 và 4 ở trên), cho phép tôi đưa ra công thức sau:
Điều này sẽ cho chúng ta ước tính hợp lý cho yếu tố Bayes? Bất kỳ thông tin phản hồi đều được chào đón.