Mam dość skomplikowany problem analizy decyzji obejmujący testy niezawodności, a logiczne podejście (dla mnie) wydaje się obejmować wykorzystanie MCMC do obsługi analizy bayesowskiej. Zasugerowano jednak, że bardziej odpowiednie byłoby zastosowanie metody ładowania początkowego. Czy ktoś mógłby zasugerować odniesienie (lub trzy), które mogłyby poprzeć zastosowanie jednej z technik w stosunku do drugiej (nawet w określonych sytuacjach)? FWIW, mam dane z wielu różnych źródeł i kilka / zero obserwacji awarii. Mam również dane na poziomie podsystemu i systemu.
Wydaje się, że takie porównanie powinno być dostępne, ale nie miałem szczęścia szukać zwykłych podejrzanych. Z góry dziękuję za wszelkie wskazówki.
1
Biorąc pod uwagę, że klasyczny bootstrap można traktować jako metodę maksymalnego prawdopodobieństwa zaimplementowaną przez komputer (tj. Technikę nie bayesowską (wcześniejszą płaską)), czy lepiej byłoby przeformułować swoje pytanie na coś w stylu „kiedy używać techniki częstokształtnej vs. bayesowskiej ? Trochę tła na temat bootstrap: stats.stackexchange.com/questions/18469/…
—
Jewgienij
Hmmm ... chyba się nie zgadzam. Mam nadzieję, że „bootstrap” konkretnie sugeruje charakterystykę przedziału; nieco bardziej skoncentrowany niż tylko „częsty”. Przynajmniej „bootstrap” powstrzyma większość fanatyków religijnych. Dziękuję również za link, ale znałem twój poprzedni komentarz, zanim go opublikowałem.
—
Aengus
Pozwólcie mi przeformułować, czy macie jakieś przydatne wcześniejsze informacje, czy też problem ma strukturę hierarchiczną (zagnieżdżoną)? Jeśli tak, to technika bayesowska jest prawdopodobnie lepsza (zwłaszcza jeśli liczba parametrów modelu jest duża w stosunku do ilości dostępnych danych, więc oszacowanie skorzystałoby z „kurczenia bayesowskiego”). W przeciwnym razie wystarczy MLE / bootstrap.
—
Jewgienij
Myślę, że innym możliwym podejściem jest użycie modeli z efektami mieszanymi (np. Przy użyciu pakietu R lme4) do modelowania struktury hierarchicznej, o której wspomniałeś. Pomogłoby to również ustabilizować szacunki dla (hierarchicznych) modeli o dużej liczbie parametrów.
—
Jewgienij
Analiza bootstrapu może być równie dobrze postrzegana jako analiza bayesowska, więc twoje pytanie może równie dobrze brzmieć: „Kiedy użyć bootstrap kontra inny model bayesowski” (twoje pytanie zachęciło mnie do napisania tej interpretacji bootstrap jako modelu bayesowskiego : sumsar.net/blog/2015/04/… ). Biorąc pod uwagę pytanie, zgadzam się z @Yevgeny, że prawdopodobnie będziemy potrzebować więcej informacji na temat konkretnego problemu, zanim będziemy mogli polecić model.
—
Rasmus Bååth