Duas vistas de Probabilidade
Duas ideias muito diferentes sobre a probabilidade de ter coexistido durante mais de um século. Estas abordagens de probabilidade, que diferem em vários aspectos importantes, são os seguintes:
o frequentista Visão define a probabilidade de algum evento em termos da frequência relativa com que o evento tende a ocorrer.
o Bayesian Visão define a probabilidade em termos mais subjetivos - como uma medida da força de sua crença sobre a verdadeira situação. (A formulação menos subjetivo da filosofia Bayesian ainda atribui probabilidades para o # 147 populacional parâmetros # 148- que definem a verdadeira situação.)
A maioria dos problemas estatísticos podem ser resolvidos usando técnicas quer freqüentista ou bayesiana, mas a abordagem freqüentista é muito mais amplamente utilizado, e na maioria das técnicas estatísticas em uso hoje são baseados na visão frequentista de probabilidade. Essa predominância é porque a abordagem freqüentista geralmente envolve cálculos mais simples. Só recentemente os computadores suficientemente poderosos e software suficientemente sofisticada tornam-se disponíveis para permitir que os problemas do mundo real para ser abordado no quadro Bayesiana.
Veja como os pontos de vista freqüentista e bayesiana diferem significativamente:
Formas de raciocínio: Estas duas filosofias de probabilidade aplicar diferentes direções de raciocínio. frequentistas pensar deductively: # 147 Se a verdadeira população parece com isso, então a minha amostra pode ter esta aparência. # 148- Bayesians pensar por indução: # 147 Minha amostra saiu assim, então a verdadeira situação pode ser este # 148.;
Idéias sobre o que é aleatória: As duas filosofias têm opiniões diferentes sobre o que é aleatória. Para o frequentista, os parâmetros populacionais são fixados (mas desconhecida), e os dados observados é aleatória, com distribuições de amostragem que dão as probabilidades de observar vários resultados com base nos valores de certos parâmetros populacionais. Mas na visão Bayesiana, os dados observados é fixo (afinal de contas, nós sabemos o que vimos) - é os parâmetros populacionais que são aleatórios e que têm funções de distribuição de probabilidade associada com eles com base nos resultados observados.
Terminologia: Frequentistas e Bayesians usar uma terminologia diferente. Frequentistas nunca falam sobre a probabilidade de que uma declaração é verdadeira ou a probabilidade de que o verdadeiro valor está dentro de algum intervalo. E Bayesians nunca use termos como p valor, significativo, hipótese nula, ou interva confiançaeu, que soa tão familiar para aqueles estatísticos levantados na tradicionalmente frequentista em vez disso, eles usam termos estranhos como probabilidade prévia, priores noninformative, e intervalo de credibilidade.
informações úteis: Frequentistas normalmente pensam de dados de cada experiência como um pacote auto-suficiente de informações, e eles tirar conclusões estritamente do que está nesse conjunto de dados. Bayesians ter uma visão mais ampla da # 147-utilizáveis informações # 148- - eles normalmente começar com alguma probabilidades anteriores (Preexistente crenças sobre o que a verdade possa ser, talvez com base em experiências anteriores) e, em seguida, misturar-se os resultados de sua mais recente experiência de rever essas probabilidades (isto é, para atualizar a sua propagação de crença sobre a verdadeira situação).Essas probabilidades revistos podem se tornar theprior probabilidades na análise de sua próxima experiência.