Kontekst : Nie mam formalnego szkolenia w zakresie statystyki bayesowskiej (choć bardzo chcę dowiedzieć się więcej), ale wiem wystarczająco dużo - myślę - aby zrozumieć, dlaczego wielu uważa, że są lepsi od statystyk częstych. Nawet studenci studiów wprowadzających (w naukach społecznych), które uczę, uważają podejście Bayesa za atrakcyjne - „Dlaczego jesteśmy zainteresowani obliczeniem prawdopodobieństwa danych, biorąc pod uwagę zero? Dlaczego nie możemy po prostu oszacować prawdopodobieństwa ? hipoteza zerowa albo hipoteza alternatywna I ja również czytać tematy takie jak te , które świadczą o empirycznych zalet Bayesa statystycznych jak dobrze, ale potem natknąłem się na ten cytat Blasco (2001; kursywa dodana).:
Jeśli hodowca zwierząt nie jest zainteresowany filozoficznymi problemami związanymi z indukcją, ale narzędziami do rozwiązywania problemów, zarówno Bayesowskie, jak i częste szkoły wnioskowania są dobrze ugruntowane i nie jest konieczne uzasadnianie, dlaczego preferowana jest jedna lub druga szkoła. Żadna z nich nie ma obecnie trudności operacyjnych, z wyjątkiem niektórych skomplikowanych przypadków ... Wybór jednej lub drugiej szkoły powinien być związany z tym, czy w jednej szkole istnieją rozwiązania, których druga nie oferuje , z łatwością rozwiązywania problemów oraz o tym, jak komfortowo czuje się naukowiec dzięki konkretnemu sposobowi wyrażania.
Pytanie : Cytat Blasco zdaje się sugerować, że może się zdarzyć, że podejście częstokroć jest rzeczywiście lepsze niż podejście bayesowskie. Jestem więc ciekawy: kiedy podejście częstokierunkowe byłoby lepsze niż podejście bayesowskie? Interesują mnie odpowiedzi, które dotyczą tego pytania zarówno koncepcyjnie (tj. Kiedy znajomość prawdopodobieństwa danych uwarunkowanych hipotezą zerową jest szczególnie przydatna?) I empirycznie (tj. Pod jakimi warunkami metody częstokroć przodują w porównaniu z bayesowskim?).
Byłoby również lepiej, gdyby odpowiedzi były przekazywane tak łatwo, jak to możliwe - byłoby miło wziąć kilka odpowiedzi z powrotem do mojej klasy i podzielić się nimi z moimi uczniami (choć rozumiem, że wymagany jest pewien poziom techniki).
Wreszcie, mimo że regularnie korzystam ze statystyk Frequentist, jestem otwarty na możliwość, że Bayesian po prostu wygra.