أسس الاستدلال البايزي
يعامل الاستدلال البايزي الكميات المجهولة كمتغيرات عشوائية ويستخدم الاحتمالية كحساب وحيد لتمثيل وتحديث عدم اليقين في ضوء البيانات.
Definition
الاستدلال البايزي هو استخدام نظرية بايز لتحويل توزيع احتمالي قبلي (prior probability distribution) على معلمات مجهولة، بالاقتران مع دالة إمكان (likelihood) للبيانات المرصودة، إلى توزيع بعدي (posterior distribution) يحدد كمياً كل عدم اليقين المتبقي حول تلك المجهولات.
Scope
تغطي هذه المنطقة الجوهر المفاهيمي والرياضي للمنهج البايزي: نظرية بايز كقاعدة تحديث، دور دالة الإمكان (likelihood)، تفسير الاحتمالية كدرجة اعتقاد، قابلية التبادل (exchangeability) كمبرر للنمذجة الإحصائية، والتباين بين المواقف الذاتية والموضوعية. إنها تؤطر بقية الإحصاء البايزي، الذي يبني التوزيعات القبلية (priors)، والحساب، والنماذج على أساس هذه المبادئ.
Sub-topics
Core questions
- كيف تجمع نظرية بايز المعتقدات القبلية مع البيانات المرصودة لإنتاج توزيع بعدي؟
- ما هو الدور الذي تلعبه دالة الإمكان (likelihood)، ولماذا يلتزم الاستدلال البايزي بمبدأ الإمكان (likelihood principle)؟
- كيف تبرر قابلية التبادل (exchangeability) تمثيل الملاحظات على أنها مستقلة شرطياً بالنظر إلى المعلمات؟
- ما الفرق بين التفسيرات الذاتية والموضوعية للاحتمالية البايزية؟
Key concepts
- التوزيع القبلي
- دالة الإمكان
- التوزيع البعدي
- الإمكان الهامشي (الدليل)
- قابلية التبادل
- الاتساق
- مبدأ الإمكان
Key theories
- نظرية بايز كاستدلال
- التوزيع البعدي يتناسب مع دالة الإمكان مضروبة في التوزيع القبلي؛ هذه الهوية الواحدة تحكم كيفية تحديث البايزي لعدم اليقين بشكل عقلاني بعد ملاحظة البيانات.
- نظرية تمثيل دي فينيتي
- يمكن تمثيل سلسلة قابلة للتبادل لا نهائية على أنها مستقلة ومتطابقة التوزيع شرطياً (conditionally i.i.d.) بالنظر إلى معلمة مجهولة مع توزيع خلط (mixing distribution)، مما يوفر أساساً للاحتمالية الذاتية للنماذج البارامترية والتوزيعات القبلية.
- الاتساق وحجة الكتاب الهولندي (Dutch-book argument)
- درجات الاعتقاد التي تلتزم بمسلمات الاحتمالية تكون 'متسقة'، وتتجنب تكوينات الرهان التي تؤدي إلى خسارة مؤكدة؛ هذه الحجة النظرية للقرار تدعم الاستخدام البايزي للاحتمالية للمعتقدات.
Clinical relevance
ترتكز الأسس البايزية على تطبيقات في جميع العلوم حيث يجب تحديد عدم اليقين كمياً وتحديثه مع تراكم الأدلة، من مراقبة التجارب السريرية وعلم الوراثة إلى الفيزياء والتعلم الآلي وتحليل القرارات.
History
أعطى مقال بايز (الذي نُشر بعد وفاته عام 1763) والتطوير المستقل من قبل لابلاس بداية لطريقة الاحتمالية العكسية. بعد أن طغت عليها الأساليب التكرارية (frequentist methods) في أوائل القرن العشرين، أُحيي هذا النهج من خلال التوزيعات القبلية الموضوعية (objective priors) لجيفريز، وأسس الاحتمالية الذاتية (subjective-probability foundations) لدي فينيتي وسافاج، ومنذ التسعينيات، التقدم الحسابي الذي جعلها عملية على نطاق واسع.
Debates
- التوزيعات القبلية الذاتية مقابل الموضوعية
- ما إذا كان يجب أن ترمز التوزيعات القبلية إلى اعتقاد شخصي حقيقي أو أن تُختار بقواعد رسمية لتقليل تأثيرها يظل نزاعاً أساسياً ضمن الإحصاء البايزي.
Key figures
- Thomas Bayes
- Pierre-Simon Laplace
- Bruno de Finetti
- Harold Jeffreys
- Leonard J. Savage
Related topics
Seminal works
- gelman2013
- robert2007
- definetti1937
Frequently asked questions
- كيف يختلف الاستدلال البايزي عن الاستدلال التكراري (frequentist inference)؟
- يُسند الاستدلال البايزي توزيعات احتمالية للمعلمات المجهولة ويقدم توزيعاً بعدياً، بينما يعامل الاستدلال التكراري المعلمات على أنها ثابتة ويستدل على السلوك طويل الأمد للمقدرات والإجراءات عبر عينات افتراضية متكررة.
- هل يتطلب الاستدلال البايزي توزيعاً قبلياً ذاتياً؟
- يتطلب توزيعاً قبلياً، ولكن يمكن أن يكون التوزيع القبلي ذاتياً (يرمز إلى اعتقاد حقيقي) أو يُختار بقواعد موضوعية ليكون ضعيف المعلومات؛ ومع وجود بيانات كافية، عادةً ما تهيمن دالة الإمكان ويصبح اختيار التوزيع القبلي أقل أهمية.