Product Design, Manufacturing & Innovation Resources
Lar » Fator de Bayes

Fator de Bayes

1939
  • Harold Jeffreys
Área de trabalho de escritório com software estatístico mostrando cálculos do fator de Bayes e anotações de testes de hipóteses.

(Imagem gerada apenas para fins ilustrativos)

O Bayes O fator K é uma razão entre as verossimilhanças marginais de duas hipóteses concorrentes, geralmente uma hipótese nula ([latex]M_1[/latex]) e uma hipótese alternativa ([latex]M_2[/latex]). Ele quantifica o suporte de uma hipótese em relação à outra, dados os dados observados [latex]D[/latex]. A fórmula é [latex]K = frac{P(D|M_1)}{P(D|M_2)}[/latex]. Um valor de K > 1 indica que os dados favorecem [latex]M_1[/latex] em relação a [latex]M_2[/latex].

O fator de Bayes é a alternativa Bayesiana ao valor p frequentista para testes de hipóteses. Ao contrário do valor p, que fornece apenas evidências contra a hipótese nula, o fator de Bayes pode quantificar evidências a favor da hipótese nula, da hipótese alternativa ou indicar que os dados são irrelevantes. A magnitude do fator de Bayes fornece uma escala contínua de evidências. Por exemplo, um fator de Bayes de 10 é frequentemente considerado uma evidência "forte" para um modelo em relação a outro, enquanto um valor entre 1 e 3 é considerado uma evidência "anecdótica" ou "fraca".

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
Estatísticas

Tipo

Sistema abstrato

Interrupção

Substancial

Uso

Uso generalizado

Precursores

  • Inferência Bayesiana
  • Princípio da probabilidade
  • Obra filosófica sobre a natureza da evidência científica.
  • Lema de Neyman-Pearson para teste de hipóteses

Aplicações

  • Teste de hipóteses em psicologia, biologia e ciências sociais.
  • Seleção de modelos em aprendizado de máquina e estatística
  • Testes A/B para determinar se uma mudança tem um efeito real.
  • A ciência forense para avaliar as provas
  • Genômica para identificar associações genéticas significativas

Patentes:

NA

Ideias de Inovação Potencial

Devido ao tráfego de bots de coleta de dados, atualmente superior a 40 mil por dia, este conteúdo é reservado aos membros da comunidade.
> Login < ou > Registrar < (100% gratuito) para acessar isso, assim como todo o restante do conteúdo e das ferramentas restritas.

Relacionado a: fator de Bayes, teste de hipóteses, seleção de modelos, verossimilhança marginal, evidência, estatística Bayesiana, Harold Jeffreys, valor p, evidência estatística, distribuição a priori.

Contexto histórico

Fator de Bayes

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

(Caso a data seja desconhecida ou irrelevante, por exemplo, "mecânica dos fluidos", é fornecida uma estimativa aproximada de seu surgimento notável)

Princípios relacionados à invenção, inovação e tecnologia

Imagens em tamanho real e downloads estão disponíveis apenas, 100% gratuitos, para membros registrados.