Product Design, Manufacturing & Innovation Resources
घर » बेयस फैक्टर

बेयस फैक्टर

1939
  • Harold Jeffreys
सांख्यिकीय सॉफ़्टवेयर के साथ कार्यालय कार्यक्षेत्र जिसमें बेज़ फैक्टर की गणनाएँ और परिकल्पना परीक्षण के नोट्स दिखाए गए हैं।.

(यह छवि केवल उदाहरण के लिए बनाई गई है)

बेयस कारक दो प्रतिस्पर्धी परिकल्पनाओं की सीमांत संभावनाओं का अनुपात है, जिनमें अक्सर एक शून्य परिकल्पना ([latex]M_1[/latex]) और एक वैकल्पिक परिकल्पना ([latex]M_2[/latex]) शामिल होती है। यह प्रेक्षित डेटा [latex]D[/latex] के आधार पर एक परिकल्पना के समर्थन को दूसरी परिकल्पना के समर्थन से अधिक मापता है। इसका सूत्र है [latex]K = frac{P(D|M_1)}{P(D|M_2)}[/latex]। K > 1 का मान यह दर्शाता है कि डेटा [latex]M_2[/latex] की तुलना में [latex]M_1[/latex] का पक्षधर है।

बेयस फैक्टर परिकल्पना परीक्षण के लिए फ्रीक्वेंटिस्ट पी-वैल्यू का बेयसियन विकल्प है। पी-वैल्यू केवल शून्य परिकल्पना के विरुद्ध प्रमाण प्रदान करता है, जबकि बेयस फैक्टर शून्य परिकल्पना, वैकल्पिक परिकल्पना के लिए प्रमाण को मात्रात्मक रूप से प्रस्तुत कर सकता है या यह इंगित कर सकता है कि डेटा सूचनात्मक नहीं है। बेयस फैक्टर का परिमाण प्रमाण का एक सतत पैमाना प्रदान करता है। उदाहरण के लिए, 10 का बेयस फैक्टर अक्सर एक मॉडल के लिए दूसरे मॉडल की तुलना में "मजबूत" प्रमाण माना जाता है, जबकि 1 और 3 के बीच का मान "अनौपचारिक" या "कमजोर" प्रमाण माना जाता है।

The core component of the Bayes factor is the marginal likelihood, [latex]P(D|M) = \int P(D|\theta, M)P(\theta|M) d\theta[/latex]. This is the probability of the observed data averaged over the prior distribution of the parameters [latex]\theta[/latex] for a given model [latex]M[/latex]. This integral makes the Bayes factor sensitive to the choice of prior distributions, which is a point of contention and active research. It also makes it computationally challenging to calculate, often requiring numerical methods like MCMC or approximate methods like the Bayesian Information Criterion (BIC). Despite these challenges, its ability to weigh evidence for competing hypotheses makes it a powerful tool for scientific inference and model selection.

UNESCO Nomenclature: 1208
सांख्यिकी

Type

सार प्रणाली

व्यवधान

संतोषजनक

उपयोग

व्यापक उपयोग

शगुन

  • बायेसियन अनुमान
  • संभावना सिद्धांत
  • वैज्ञानिक साक्ष्य की प्रकृति पर दार्शनिक कार्य
  • परिकल्पना परीक्षण के लिए नेयमन-पियर्सन प्रमेयिका

आवेदन

  • मनोविज्ञान, जीव विज्ञान और सामाजिक विज्ञान में परिकल्पना परीक्षण
  • मशीन लर्निंग और सांख्यिकी में मॉडल चयन
  • किसी बदलाव का वास्तविक प्रभाव पड़ता है या नहीं, यह निर्धारित करने के लिए ए/बी टेस्टिंग का उपयोग किया जाता है।
  • साक्ष्यों का मूल्यांकन करने के लिए फोरेंसिक विज्ञान
  • महत्वपूर्ण जीन संबंधों की पहचान के लिए जीनोमिक्स

पेटेंट:

NA

संभावित नवाचार विचार

बॉट ट्रैफिक को कम करने के कारण, जो वर्तमान में प्रति दिन 40,000 से अधिक है, यह सामग्री केवल समुदाय के सदस्यों के लिए आरक्षित है।
> लॉगिन < या > रजिस्टर < इस सामग्री और अन्य सभी प्रतिबंधित सामग्रियों और उपकरणों तक पहुंच (100% निःशुल्क) है।

संबंधित विषय: बेयस फैक्टर, परिकल्पना परीक्षण, मॉडल चयन, सीमांत संभावना, साक्ष्य, बायेसियन सांख्यिकी, हेरोल्ड जेफ्रीज़, पी-वैल्यू, सांख्यिकीय साक्ष्य, पूर्व वितरण।

ऐतिहासिक संदर्भ

बेयस फैक्टर

1925
1930
1931
1939
1940
1950
1950
1925
1928
1930
1936
1940
1943
1950
1950

(यदि तिथि अज्ञात है या प्रासंगिक नहीं है, उदाहरण के लिए "द्रव यांत्रिकी", तो इसके उल्लेखनीय उद्भव का एक अनुमानित आंकड़ा प्रदान किया गया है)

संबंधित आविष्कार, नवाचार और तकनीकी सिद्धांत

पंजीकृत सदस्यों के लिए पूर्ण आकार की छवियाँ और डाउनलोड 100% निःशुल्क उपलब्ध हैं।