Zmodyfikowane twierdzenie Bayesa sformułowane przez XKCD: czy właściwie jest to rozsądne?


81

Wiem, że pochodzi od komiksu znanego z wykorzystywania pewnych tendencji analitycznych , ale po kilku minutach patrzenia wygląda całkiem rozsądnie. Czy ktoś może nakreślić dla mnie, co robi to „ zmodyfikowane twierdzenie Bayesa ”?


4
wyjaśniaxkcd.com/ wiki/index.php/2059:_Modified_Bayes%27_Theorem wyjaśnienie autora.
Tschallacka

50
@Tschallacka Co sprawia, że ​​myślisz, że Randall to napisał?
kasperd

16
@Tschallacka, chyba że którykolwiek z autorów jest Randallem, tak nie jest.
SQB

Ale czy nie powinieneś zastosować twierdzenia Bayesa do P (C), aby zaktualizować jego wartość w obliczu większej liczby dowodów?
Jak

1
Jestem prawie pewien, że jest tylko żartobliwym dodatkiem. P.(do)
Ian MacDonald

Odpowiedzi:


107

Cóż, dystrybuując termin P.(H.) , otrzymujemy

P(H|X)=P(X|H)P(H)P(X)P(C)+P(H)[1P(C)],
które możemy zinterpretować jako prawo całkowitego prawdopodobieństwa zastosowane do zdarzeniado=„poprawnie używasz statystyki bayesowskiej”. Więc jeśli prawidłowo używasz statystyki bayesowskiej, to odzyskujesz prawo Bayesa (lewa część powyżej), a jeśli nie, ignorujesz dane i po prostu używasz swojego wcześniejszego naH. .

Przypuszczam, że jest to odpowiedź na krytykę, że w zasadzie Bayesianie mogą dostosować uprzednio, aby poprzeć wszelkie wnioski, jakie chcą, podczas gdy Bayesianie twierdzą, że nie tak faktycznie działa statystyki bayesowskie.

(I tak, udało ci się mnie zemdleć . Nie jestem matematykiem ani fizykiem, więc nie jestem pewien, ile punktów jestem wart.)


60
Sprytny żart osadzony w powyższej formule polega na tym, że jeśli nie używasz poprawnie statystyk bayesowskich, twoje wnioskowanie jest całkowicie niezależne od prawdy.
Cliff AB

25
Mam nadzieję, że nie wpisałeś swojej odpowiedzi, przechodząc przez ruchliwą ulicę. Nie będę uczestniczył w tym ...
eric_kernfeld

6
Karykaturowani powyżej bayesianie nie są statystami bayesowskimi, są prawnikami bayesowskimi
kjetil b halvorsen

4
@CliffAB Nie wiem, czy nazwałbym to sprytnym żartem czy prawem natury.
eric_kernfeld

7
@CLiffAB Czy masz na myśli „Twój tył (zgodnie z tym wzorem) jest niezależny od dowodów”?
Kumulacja

31

Wierzcie lub nie, ten typ modelu pojawia się od czasu do czasu w bardzo poważnych modelach statystycznych, szczególnie w przypadku fuzji danych, tj. Próby łączenia wnioskowania z wielu czujników próbujących wyciągnąć wnioski na podstawie jednego zdarzenia.

ZAbZAjest prawdą (tzn. prawdopodobieństwo, że ten jeden czujnik nie zadziałał, staje się bardzo wysoki, gdy zdamy sobie sprawę, że jest sprzeczne ze wszystkimi innymi czujnikami). Jeśli rozkład uszkodzeń jest niezależny od parametru, na którym chcemy wnioskować, wówczas jeśli prawdopodobieństwo tylne, że jest to uszkodzenie, jest wysokie, miary z tego czujnika mają bardzo niewielki wpływ na rozkład tylny dla parametru będącego przedmiotem zainteresowania; w rzeczywistości niezależność, jeżeli prawdopodobieństwo wystąpienia awarii wynosi 1.

Czy jest to ogólny model, który należy wziąć pod uwagę, jeśli chodzi o wnioskowanie, tj. Czy powinniśmy zastąpić twierdzenie Bayesa zmodyfikowanym twierdzeniem Bayesa podczas wykonywania statystyki bayesowskiej? Nie. Powodem jest to, że „prawidłowe stosowanie statystyki bayesowskiej” nie jest tak naprawdę tylko binarne (a jeśli tak, to zawsze jest fałszywe). Każda analiza będzie miała stopnie błędnych założeń. Aby twoje wnioski były całkowicie niezależne od danych (co wynika z formuły), musisz popełnić bardzo poważne błędy. Jeśli „nieprawidłowe użycie statystyk bayesowskich” na jakimkolwiek poziomie oznaczałoby, że analiza jest całkowicie niezależna od prawdy, użycie statystyk byłoby całkowicie bezwartościowe. Wszystkie modele są złe, ale niektóre są przydatne i tak dalej.


5
Wydaje mi się, że mieliśmy szczęście, odkrywając, że tryb awarii statycznej naszych czujników jest ekstremalny. Zgniatanie hałasu jest jednak znacznie trudniejsze. Naprawdę denerwujące jest odkrycie, że czujnik działa poprawnie, a otrzymana wartość jest nieprawidłowa, ponieważ drut działa jak antena.
Joshua

@Joshua mam nadzieję, że kiedyś będę miał czas, aby właściwie nauczyć się filtrowania Kalmana w takich sytuacjach (a może ktoś napisze świetną odpowiedź SE, która wszystko wyjaśni?).
mbrig

μjaN.(zajaμ,1)t(refa=10)ja
Cliff AB
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.