×

兹马思-数学第一资源

贝耶斯系数。(英语) Zbl 0846.62028
小结:H、 杰弗里斯[剑桥菲洛斯学报,第31卷,第203-222页(1935年;Zbl 0011.31601号); 概率论。(1961年;Zbl 0116.34904)]发展了一种有利于科学理论的量化证据的方法。最重要的是一个数字,现在称为Bayes因子,它是零假设的后验概率,当零假设的先验概率为一半时。虽然人们在批评P值的背景下对贝叶斯假设检验进行了大量的讨论,但是作为应用统计学的实用工具,Bayes因子却很少受到关注。我们回顾和讨论了贝叶斯因子在遗传学、体育、生态学、社会学和心理学的五个科学应用中的应用。我们强调以下几点:
从Jeffreys的贝叶斯观点来看,假设检验的目的是评估支持科学理论的证据。
Bayes因子提供了一种评估证据以支持无效假设的方法。
Bayes提供了一种将外部因素纳入Bayes评价的方法。
Bayes因子非常普遍,不需要嵌套替代模型。
有几种技术可用于计算Bayes因子,包括使用最大化可能性的标准包的输出很容易计算的渐近近似。
在不满足一般规律性条件的“非标准”统计模型中,计算Bayes因子比推导非贝叶斯显著性检验在技术上更简单。
Schwarz准则(或BIC)对Bayes因子的对数给出了一个粗略的近似值,它易于使用,并且不需要评估先验分布。
当人们对估计或预测感兴趣时,可以将Bayes因子转换为附加到各种模型上的权重,从而可以获得考虑结构或模型不确定性的综合估计或预测。
当最初考虑的模型类别非常大时,已经提出了允许考虑模型不确定性的算法。
Bayes因子对于指导进化模型构建过程是有用的。
评估结论对先验分布的敏感性是重要的,也是可行的。

理学硕士:
15层62层 贝叶斯推理
62页99页 统计学应用
62像素 统计学应用
软件:
LISP-STAT公司
PDF格式 BibTeX公司 XML 引用
全文: 内政部