Bayesiansk statistisk inferens

Bayesiansk inferens er et statistisk rammeværk, der anvender Bayes' sætning til at opdatere overbevisninger om parametre eller hypoteser, efterhånden som data akkumuleres. Thomas Bayes' arbejde, der blev udgivet posthumt i 1763, lå i dvale indtil det 20. århundrede, hvor beregningsmæssige fremskridt (Gibbs sampling, Markov Chain Monte Carlo) gjorde Bayesianske metoder praktiske. I modsætning til frequentistisk inferens (som behandler parametre som faste ukendte) behandler Bayesiansk analyse parametre som stokastiske variable med sandsynlighedsfordelinger, hvilket muliggør direkte sandsynlighedsudtalelser om parametre, inkorporering af forudgående viden og sekventiel opdatering. Essentielt inden for præcisionsmedicin, adaptive forsøg, komplekse hierarkiske modeller og enhver kontekst, hvor forudgående information beriger inferens.