Ketergantian (Exchangeability) dan Teorema de Finetti

Ketergantian memformalkan gagasan bahwa urutan observasi tidak membawa informasi, dan teorema de Finetti menunjukkan bahwa asumsi ini membenarkan perlakuan data sebagai i.i.d. secara kondisional dengan parameter dengan prior.

Definition

Urutan variabel acak dikatakan dapat dipertukarkan (exchangeable) jika distribusi gabungannya invarian di bawah permutasi indeks apa pun; teorema de Finetti menyatakan bahwa urutan yang dapat dipertukarkan tak hingga adalah campuran dari urutan i.i.d., dengan distribusi pencampur berperan sebagai prior.

Scope

Topik ini mencakup ketergantian hingga dan tak hingga, teorema representasi de Finetti dan perannya dalam mendasari model parametrik dan prior pada probabilitas yang murni subjektif, serta ketergantian parsial untuk data terstruktur.

Core questions

• Apa artinya urutan observasi dapat dipertukarkan?
• Bagaimana teorema de Finetti merepresentasikan urutan yang dapat dipertukarkan sebagai i.i.d. secara kondisional?
• Mengapa ketergantian memberikan justifikasi probabilitas-subjektif untuk prior dan model parametrik?
• Bagaimana gagasan ini diperluas melalui ketergantian parsial ke data terstruktur atau berkelompok?

Key concepts

• ketergantian
• invariansi permutasi
• distribusi pencampur
• independensi kondisional
• ketergantian parsial
• probabilitas subjektif

Key theories

Teorema representasi de Finetti

Setiap urutan biner yang dapat dipertukarkan tak hingga dapat ditulis sebagai campuran urutan Bernoulli, dengan ukuran pencampur yang dapat diinterpretasikan sebagai prior atas probabilitas keberhasilan; hasilnya digeneralisasi ke ruang observasi yang lebih luas.

Ketergantian parsial

Ketika data terbagi dalam kelompok, ketergantian diasumsikan dalam kelompok, memotivasi model hierarkis di mana parameter tingkat kelompok itu sendiri dapat dipertukarkan.

Clinical relevance

Ketergantian adalah asumsi pemodelan yang memungkinkan penggabungan informasi di seluruh unit serupa, mendasari meta-analisis, uji coba multi-pusat, dan model hierarkis di seluruh ilmu terapan.

History

De Finetti memperkenalkan ketergantian dan membuktikan teorema representasinya pada tahun 1930-an, memberikan alternatif probabilitas-subjektif untuk gagasan frekuentis tentang pengambilan sampel i.i.d. Hewitt dan Savage kemudian memperluas teorema tersebut ke ruang yang lebih umum.

Key figures

• Bruno de Finetti
• David Hewitt
• Leonard J. Savage

Seminal works

• definetti1937
• bernardo1994

Frequently asked questions

Apakah ketergantian sama dengan independensi?

Tidak. Variabel yang dapat dipertukarkan umumnya bergantung, tetapi teorema de Finetti menunjukkan bahwa variabel tersebut menjadi independen dan terdistribusi secara identik secara kondisional setelah parameter yang tidak diketahui diperkenalkan, yang persis merupakan struktur model Bayesian.