Często słyszałem to zdanie, ale nigdy całkowicie nie rozumiałem, co to znaczy. Wyrażenie „dobre właściwości dla częstych” ma obecnie około 2750 trafień w google, 536 na scholar.google.com i 4 na stats.stackexchange.com .
Najbliższy rzeczą znalazłem do jasnej definicji pochodzi z końcowego slajd w prezentacji Stanford University , który stanowi,
[T] Znaczenie zgłaszania 95% przedziałów ufności polega na tym, że „pułapkujesz” prawdziwy parametr w 95% twierdzeń, które wysuwasz, nawet w przypadku różnych problemów z oszacowaniem. Jest to cecha charakterystyczna procedur estymacyjnych o dobrych właściwościach częstych: są one poddane kontroli przy wielokrotnym stosowaniu.
Zastanawiając się trochę nad tym, zakładam, że wyrażenie „dobre właściwości częstokształtne” implikuje pewną ocenę metody bayesowskiej, aw szczególności bayesowskiej metody konstrukcji przedziałów. Rozumiem, że przedziały bayesowskie mają zawierać prawdziwą wartość parametru z prawdopodobieństwem . Interwały internauty mają być skonstruowane w taki sposób, że jeśli proces konstruowania interwału zostanie powtórzony wiele razy, około interwałów zawiera prawdziwą wartość parametru. Przerwy bayesowskie zasadniczo nie dają żadnych obietnic dotyczących tego, jaki procent przedziałów pokryje prawdziwą wartość parametru. Jednak niektóre metody bayesowskie mają również tę właściwość, że powtarzane wiele razy obejmują prawdziwą wartość okołop ∗ 100 % p ∗ 100 %czasu. Kiedy mają tę właściwość, mówimy, że mają „dobre właściwości częstokroć”.
Czy to prawda? Uważam, że musi być w tym coś więcej, ponieważ wyrażenie to odnosi się do dobrych właściwości częstych , a nie do dobrych właściwości częstych .