Product Design, Manufacturing & Innovation Resources
Casa » Fattore di Bayes

Fattore di Bayes

1939
  • Harold Jeffreys
Spazio di lavoro in ufficio con software statistico che mostra i calcoli del fattore Bayes e le note relative alla verifica delle ipotesi.

(Immagine generata a solo scopo illustrativo)

IL Bayes Il fattore K è un rapporto tra le verosimiglianze marginali di due ipotesi concorrenti, spesso un'ipotesi nulla ([latex]M_1[/latex]) e un'ipotesi alternativa ([latex]M_2[/latex]). Quantifica il supporto per un'ipotesi rispetto all'altra, dati i dati osservati [latex]D[/latex]. La formula è [latex]K = frac{P(D|M_1)}{P(D|M_2)}[/latex]. Un valore di K > 1 indica che i dati favoriscono [latex]M_1[/latex] rispetto a [latex]M_2[/latex].

Il fattore di Bayes è l'alternativa bayesiana al p-value frequentista per la verifica delle ipotesi. A differenza del p-value, che fornisce solo prove contro l'ipotesi nulla, il fattore di Bayes può quantificare le prove a favore dell'ipotesi nulla, a favore dell'ipotesi alternativa, o indicare che i dati non sono informativi. L'entità del fattore di Bayes fornisce una scala continua di evidenza. Ad esempio, un fattore di Bayes pari a 10 è spesso considerato una prova "forte" a favore di un modello rispetto a un altro, mentre un valore compreso tra 1 e 3 è considerato una prova "aneddotica" o "debole".

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
- Statistiche

Tipo

Sistema astratto

Interruzione

Sostanziale

Utilizzo

Uso diffuso

Precursori

  • inferenza bayesiana
  • Principio di verosimiglianza
  • Lavoro filosofico sulla natura delle prove scientifiche
  • Lemma di Neyman-Pearson per il test delle ipotesi

Applicazioni

  • Test di ipotesi in psicologia, biologia e scienze sociali
  • Selezione del modello nell'apprendimento automatico e nella statistica
  • Test A/B per determinare se una modifica ha un effetto reale
  • La scienza forense per valutare le prove
  • Genomica per l'identificazione di associazioni geniche significative

Brevetti:

NA

Idee e potenziali innovazioni

A causa dell'eliminazione del traffico generato dai bot, che attualmente supera i 40.000 al giorno, questo contenuto è riservato ai membri della community.
> Accedi O > Registrati L'accesso a questo contenuto, così come a tutti gli altri contenuti e strumenti riservati, è (100% gratuito).

Argomenti correlati: fattore di Bayes, verifica delle ipotesi, selezione del modello, verosimiglianza marginale, evidenza, statistica bayesiana, Harold Jeffreys, valore p, evidenza statistica, distribuzione a priori.

Contesto storico

Fattore di Bayes

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

(se la data è sconosciuta o non rilevante, ad esempio "meccanica dei fluidi", viene fornita una stima approssimativa della sua notevole comparsa)

Invenzioni, innovazioni e principi tecnici correlati

Le immagini a grandezza naturale e i download sono disponibili, 100% gratuitamente, solo per i membri registrati.

> Login <