Вероятность и статистика · объяснение и практика

Чем байесовский вероятностный интервал отличается от доверительной процедуры

Чем вероятность параметра после наблюдения отличается от покрытия повторяемой процедуры и почему одинаковые численные границы ещё не делают две интерпретации одной.

Рука ставит оранжевый столбик между двумя синими столбиками разной высоты.

В теме Оценивание и проверка гипотез: углубление · Учебная карта

В маршруте Уточнённые выводы по выборке · 10 тем

Главная мысль

Байесовский интервал содержит заданную апостериорную массу при выбранных априорном законе и модели данных. Доверительный уровень частотного интервала относится к покрытию при повторении выборок с фиксированным параметром. Эти утверждения условятся на разных объектах.

Сначала называем, что считается случайным

В частотной постановке параметр p фиксирован, а данные меняются от выборки к выборке. Процедура строит случайный интервал, который должен накрывать истинный параметр с заданной частотой. После получения данных конкретные границы уже известны: без дополнительной модели нельзя назначить самому фиксированному p условную вероятность нахождения между ними.

В байесовской постановке неопределённость p описывают априорным распределением, а затем обновляют его правдоподобием наблюдений. Апостериорный интервал выбирается так, чтобы интеграл полученной плотности внутри него был нужным числом. Это утверждение зависит и от модели данных, и от априорного выбора, а не только от напечатанных границ.

Разбираем небольшой расчёт с явным априорным законом

Пусть до опыта p равномерен на (0;1), а одно бернуллиевское испытание закончилось успехом. Правдоподобие пропорционально p, поэтому после нормировки апостериорная плотность равна 2p. Её CDF равна p². Равновероятностные хвосты по 0,05 оставляют центральный 90%-интервал [√0,05;√0,95], примерно [0,224;0,975].

Проверка проста: интеграл 2p между этими границами равен 0,95−0,05=0,9. Это не означает, что процедура по одному испытанию обязана иметь частотное покрытие ровно 90% при каждом фиксированном истинном p. Мы вычислили условную массу в конкретной байесовской модели, где явно назвали исходный равномерный закон.

Пример

Будет ли тот же ответ при другом априорном законе?

Не обязательно. После одного наблюдения априорная информация заметно влияет на результат; нужно заново перемножить её с правдоподобием и нормировать.

Совпадение границ не снимает различий

В некоторых моделях байесовские и частотные интервалы могут совпадать численно или быть близкими. Это не превращает смысл покрытия в условную вероятность параметра. Также не всякий интервал заданной апостериорной массы единственен: можно использовать равные хвосты или иной критерий, например поиск наиболее плотной области, если её свойства подходят задаче.

У обоих подходов остаётся зависимость от предположений: неверная модель наблюдений способна испортить вывод. Доверительный уровень не означает долю будущих отдельных наблюдений, а апостериорная масса не обещает объективную вероятность вне выбранной модели. Полезный ответ называет метод, модель, уровень и объект интервала, чтобы читатель не переносил число процентов на другой вопрос.

От чтения к действию

А теперь — вы

После наблюдений апостериорная плотность параметра равна 2p на (0;1). Какова его апостериорная вероятность попасть в [0;1/2]?

Частые вопросы

Апостериорный интервал обязан быть симметричным?

Нет. Асимметричное распределение или выбранный критерий могут дать несимметричные границы, как в примере с плотностью 2p.

Можно ли говорить о 90% вероятности после байесовского расчёта?

Да, как об апостериорной вероятности внутри явно указанной модели. Нельзя выдавать её за безусловную гарантию, не зависящую от предположений.

Источники и работа с материалом

Объяснение, примеры и вопросы написаны для erudeet. Факты и определения сверены по источникам ниже; это ссылки для самостоятельной проверки.

Продолжить разбираться