Questions tagged «likelihood-principle»

2
为什么不允许贝叶斯算法查看残差?
在文章“讨论:生态学家应该成为贝叶斯主义者?”中 当布莱恩·丹尼斯(Brian Dennis)的目的似乎是警告人们时,他给出了令人惊讶的平衡和积极的贝叶斯统计观点。但是,他在一段中没有任何引用或理由的情况下说: 您会看到,贝叶斯不允许查看其残差。通过模型下的极端程度来判断结果违反了似然原理。对于贝叶斯来说,没有坏的模型,只有坏的信念。 为什么不允许贝叶斯分析残差?对此适当的引用是什么(即他在引用谁)? Dennis,B. 讨论:生态学家应该成为贝叶斯主义者吗? 生态应用,美国生态学会,1996年,6,1095-1103

1
黛博拉·梅奥(Deborah Mayo)是否反驳了伯恩鲍姆(Birnbaum)关于似然原理的证明?
这在某种程度上与我之前在这里的问题有关:一个示例,其中“可能性”原理真的很重要吗? 显然,黛博拉·梅奥(Deborah Mayo)在《统计科学》上发表了一篇论文,驳斥了伯恩鲍姆关于似然原理的证明。谁能解释伯恩鲍姆(Birnbaum)的主要论点和梅奥(Mayo)的反论点?她(逻辑上)对吗?

5
可能性原则“确实”重要的示例?
是否有一个例子,两个具有成比例可能性的不同可辩证检验会导致一个明显不同(且同样可辩驳)的推论,例如,p值相差一个数量级,但替代方法的功效却相似? 我看到的所有示例都是非常愚蠢的,将二项式与否定二项式进行比较,第一个的p值为7%,第二个3%的p值是“不同的”,仅在对任意阈值做出二元决策的范围内显着性(例如5%)(顺便说一句,这是一个相当低的推论标准),甚至不用费心去看能力。例如,如果我将阈值更改为1%,则两者都会得出相同的结论。 我从未见过一个示例,它会导致明显不同且可辩驳的推断。有这样的例子吗? 我之所以问是因为,我已经在这个主题上花了很多笔墨,好像“可能性原则”是统计推断基础中的基本要素。但是,如果最好的例子是像上面的例子那样愚蠢的例子,则该原理似乎完全无关紧要。 因此,我正在寻找一个非常有说服力的示例,其中如果不遵循LP,则证据权重将在给定一项检验的情况下绝大多数指向一个方向,而在另一种具有成比例可能性的检验中,证据权重将压倒性地指向相反的方向,这两个结论看起来都是明智的。 理想情况下,一个能证明我们可以有任意相距甚远,但是合理的,解答,诸如与测试p=0.1p=0.1p =0.1与p=10−10p=10−10p= 10^{-10}具有比例似然和等效功率,以检测相同的替代。 PS:布鲁斯的答案根本没有解决这个问题。

2
如果似然性原则与频繁出现的可能性发生冲突,那么我们是否丢弃其中之一?
在最近发表在这里的评论中,有一位评论者指向拉里·瓦瑟曼(Larry Wasserman)的博客,他指出(没有任何消息来源),频繁推断与似然原理相冲突。 似然原理简单地说,产生相似似然函数的实验应产生相似的推论。 这个问题分为两部分: 频繁推断的哪些部分,风格或派别特别违反似然性原则? 如果发生冲突,我们是否必须丢弃其中一个?如果是这样,那是哪一个?我会为就事论事表明,如果我们要丢弃的东西那么我们应该抛弃频率论者推断其冲突的部分,因为黑客和罗亚尔使我确信,可能性的原则是不言自明的。

1
有关似然原理的问题
我目前尝试理解似然原理,但坦率地说我根本不懂。因此,即使这些问题可能是非常基本的问题,我也会将所有问题写成列表。 在此原则的上下文中,“所有信息”一词到底意味着什么?(就像样本中的所有信息都包含在似然函数中一样。) 该原理是否以某种可证明的事实与p(x|y)∝p(y|x)p(x)p(x|y)∝p(y|x)p(x)p(x|y)\propto p(y|x)p(x)?原则上的“可能性”与p(y|x)p(y|x)p(y|x)是否相同? 数学定理怎么会是“有争议的”?我对数学的(弱)理解是,一个定理要么被证明,要么未被证明。似然原理属于哪一类? 基于公式的贝叶斯推理对似然原理有何重要性?p(x|y)∝p(y|x)p(x)p(x|y)∝p(y|x)p(x)p(x|y)\propto p(y|x)p(x)

1
您是否必须遵循似然性原则才能成为贝叶斯?
这个问题是由以下问题引起的:什么时候(如果有的话)频频论方法实质上比贝叶斯方法好? 正如我在我对该问题的解决方案中所发布的那样,我认为,如果您是常客,则不必相信/坚持似然性原则, 因为经常使用常客的方法会违反该原则。但是,这通常是在适当先验的假设下,贝叶斯方法从不违反似然原理。 那么,现在说您是贝叶斯主义者是否在可能性原则上确认了自己的信念或共识,还是说作为贝叶斯主义者的论点只是产生了不违反似然原则的好结果?

1
P值和似然原理
这个问题在课堂上出现:如果我们使用p值评估实验中的假设,那么我们不遵守似然原理的哪一部分:充分性或条件性? 我的直觉是说充分性,因为计算p值取决于实验的未观察结果,而充分性似乎在单个实验中处理的观察更多,而条件性似乎对不同的实验进行更多的处理。
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.