Les priors non informatifs sont préférés dans les cas où les préjugés ne sont pas acceptables (c.-à-d. Salles d'audience, etc.)
Cependant, il me semble qu'il serait tout simplement judicieux d'utiliser une approche fréquentiste à la place. Pourquoi l'approche bayésienne a-t-elle même un prior non informatif?
Merci!
bayesian
prior
uninformative-prior
user154510
la source
la source
Réponses:
Même avec un a priori non informatif, l'inférence bayésienne est différente des approches fréquentistes. Par exemple, pensez à estimer la probabilité qu'une pièce de monnaie fera tourner les têtes. Prenez un uniforme avant le . Si nous observons un seul flip, et qu'il s'agit de têtes, la probabilité prédictive bayésienne que le prochain flip sera de têtes est de 2/3. Une approche de maximum de vraisemblance dirait que la probabilité est 1. Si vous voulez la dérivation de ce résultat, lisez l'inférence bayésienne, l'entropie et la distribution multinomiale .θ θ
J'ai écrit plusieurs articles sur exactement ce sujet. Si vous voulez plus d'exemples, consultez: Pathologies des statistiques orthodoxes , déduction d'une distribution gaussienne et inférence bayésienne d'une distribution uniforme .
la source
C'est pour les puristes méthodologiques qui ne supportent pas d'utiliser des statistiques fréquentistes ennuyeuses avec toutes leurs incohérences "horribles" (oubliez le fait que les prieurs non informatifs sont souvent inappropriés!).
Sérieusement, cependant: une distribution postérieure bayésienne non informée ressemblera énormément à une fonction de vraisemblance normalisée, tandis qu'un fréquentiste rapporterait l'intervalle de confiance habituel. Étant donné que l'inférence fréquentiste n'obéit pas au «principe» de vraisemblance, les deux réponses peuvent être très différentes.
la source