Định lý Bayes đã sửa đổi của XKCD: thực sự có hợp lý không?


81

Tôi biết điều này là từ một truyện tranh nổi tiếng vì đã tận dụng các xu hướng phân tích nhất định , nhưng nó thực sự có vẻ hợp lý sau vài phút nhìn chằm chằm. Bất cứ ai có thể phác thảo cho tôi " định lý Bayes sửa đổi " này đang làm gì?


4
giải thích xkcd.com/wiki/index.php/2059:_Modified_Bayes%27_Theorem giải thích từ tác giả.
Tschallacka

50
@Tschallacka Điều gì khiến bạn nghĩ Randall đã viết điều đó?
kasperd

16
@Tschallacka trừ khi bất kỳ tác giả nào là chính Randall, đây không phải là trường hợp.
SQB

Nhưng bạn không nên áp dụng định lý Bayes cho P (C) để cập nhật giá trị của nó khi có thêm bằng chứng?
Yakk

1
P(C)

Câu trả lời:


107

P(H)

P(H|X)=P(X|H)P(H)P(X)P(C)+P(H)[1P(C)],
C=H

Tôi cho rằng đây là một sự khuyến khích chống lại những lời chỉ trích rằng về nguyên tắc Bayes có thể điều chỉnh trước để hỗ trợ bất kỳ kết luận nào họ muốn, trong khi Bayes cho rằng đây không phải là cách thống kê Bayes thực sự hoạt động.

(Và vâng, bạn đã thành công trong việc bắn tỉa tôi. Tôi không phải là nhà toán học hay nhà vật lý, vì vậy tôi không chắc mình đáng giá bao nhiêu điểm.)


60
Một trò đùa thông minh được nhúng trong công thức trên là nếu bạn không sử dụng chính xác số liệu thống kê Bayes, suy luận của bạn hoàn toàn độc lập với sự thật.
Vách đá AB

25
Tôi hy vọng bạn không gõ câu trả lời của mình trong khi băng qua một con phố đông đúc. Tôi sẽ không có phần nào trong việc này ...
eric_kernfeld

6
Các loại người Bayes được khắc họa ở trên không phải là thống kê người Bayes, họ là luật sư của người Bayes
kjetil b halvorsen

4
@CliffAB Tôi không biết nếu tôi gọi đó là một trò đùa thông minh hay một quy luật tự nhiên.
eric_kernfeld

7
@CLiffAB Bạn có nghĩa là "Hậu thế của bạn (theo tính toán của công thức này) không phụ thuộc vào bằng chứng"?
Tích lũy

31

Dù bạn có tin hay không, loại mô hình này hiện lên trong các mô hình thống kê rất nghiêm trọng, đặc biệt là khi xử lý phản ứng tổng hợp dữ liệu, tức là cố gắng kết hợp suy luận từ nhiều cảm biến cố gắng suy luận về một sự kiện.

ABAlà đúng (nghĩa là xác suất sau mà cảm biến này bị sai lệch trở nên rất cao khi chúng ta nhận ra nó mâu thuẫn với tất cả các cảm biến khác). Nếu phân phối thất bại độc lập với tham số mà chúng tôi muốn suy luận, thì nếu xác suất sau đó là thất bại cao, các biện pháp từ cảm biến đó có rất ít ảnh hưởng đến phân phối sau cho tham số quan tâm; trong thực tế, tính độc lập nếu xác suất thất bại sau là 1.

Đây có phải là một mô hình chung nên được xem xét khi suy luận, nghĩa là chúng ta có nên thay thế định lý Bayes bằng Định lý Bayes sửa đổi khi thực hiện thống kê Bayes không? Không. Lý do là "sử dụng số liệu thống kê Bayes chính xác" không thực sự chỉ là nhị phân (hoặc nếu có, nó luôn luôn sai). Bất kỳ phân tích sẽ có mức độ giả định không chính xác. Để kết luận của bạn hoàn toàn độc lập với dữ liệu (được ngụ ý bởi công thức), bạn cần phải thực hiện các lỗi cực kỳ nghiêm trọng. Nếu "sử dụng số liệu thống kê Bayes không chính xác" ở bất kỳ cấp độ nào có nghĩa là phân tích của bạn hoàn toàn độc lập với sự thật, việc sử dụng số liệu thống kê sẽ hoàn toàn vô giá trị. Tất cả các mô hình đều sai nhưng một số hữu ích và tất cả điều đó.


5
Tôi đoán rằng chúng tôi đã may mắn khi phát hiện ra chế độ thất bại tĩnh của các cảm biến của chúng tôi là cực hay khác. Tiếng ồn đè bẹp khó hơn nhiều. Thật khó chịu khi phát hiện cảm biến hoạt động chính xác và giá trị nhận được là sai vì dây hoạt động như một ăng ten.
Joshua

@Joshua hy vọng một ngày nào đó tôi sẽ có thời gian để học cách lọc Kalman đúng cách cho những tình huống đó (hoặc có thể ai đó sẽ viết một câu trả lời SE xuất sắc giúp mọi thứ rõ ràng?).
mbrig

μiN(aiμ,1)t(df=10)i
Vách đá AB
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.