贝叶斯和常识性EDA方法是否存在差异？

简而言之：探索性数据分析的贝叶斯和频率论方法有什么区别吗？

我不知道EDA方法中的固有偏差，因为直方图是直方图，散点图是散点图等，我也没有找到关于EDA的讲授或呈现方式差异的示例（忽略了A. Gelman的特别理论论文） 。最后，我看了CRAN，它是所有应用的仲裁者：我没有找到适合贝叶斯方法的软件包。但是，我认为CV可能会有一些人对此有所了解。

为什么要有差异？

对于初学者：

1. 在确定适当的先验分布时，不应该用肉眼进行调查吗？
2. 在汇总数据并建议是使用常客模型还是贝叶斯模型时，EDA是否不建议选择哪个方向？
3. 两种方法在如何处理混合模型方面有非常明显的区别。鉴定样本可能来自人群混合是具有挑战性的，并且与用于估计混合物参数的方法直接相关。
4. 两种方法都包含随机模型，并且通过了解数据来驱动模型的选择。更复杂的数据或更复杂的模型需要在EDA中花费更多时间。鉴于随机模型或生成过程之间的这种区别，EDA活动存在差异，因此，难道不应该因不同的随机方法而产生区别吗？

注1：我并不关心“阵营”的哲学-我只想解决我的EDA工具包和方法中的任何空白。

在我看来，贝叶斯vs频率论者是关于形式推论的，探索性数据分析都不是。

当然，当涉及模型评估/拟合优度和敏感性分析时，我将对您的观点（1），（3）和（4）进行分类，但是在进行上会有所不同，但是这是因为分析和计算方法之间差异的本质，而不是哲学上的差异。

关于您的（2），我一般不会认为EDA的结果将您引向贝叶斯方法或惯常方法，但我认为最重要的是研究的目标。

对我个人而言，EDA（再加上深入的内省）将为我提供一个模型，如果我能找到一种自然的频率论方法可以很好地回答科学问题，那么我会这样做，但如果根据情况的性质，没有一种常用的方法会很好地工作，并且如果有合理的先验条件，我会使用贝叶斯。

我认为，EDA可以帮助您建立模型，做出一些假设并（如果需要）更新模型及其假设。我选择一种务实的方法来进行模型拟合和评估。