Bayesiansk statistisk inferens

Bayesiansk inferens är ett statistiskt ramverk som använder Bayes sats för att uppdatera övertygelser om parametrar eller hypoteser allt eftersom data ackumuleras. Thomas Bayes arbete, publicerat postumt 1763, förblev okänt fram till 1900-talet, då beräkningsmässiga framsteg (Gibbs sampling, Markov Chain Monte Carlo) gjorde Bayesianska metoder praktiskt genomförbara. Till skillnad från frekventistisk inferens (som behandlar parametrar som fasta okända storheter) behandlar Bayesiansk analys parametrar som slumpvariabler med sannolikhetsfördelningar, vilket möjliggör direkta sannolikhetsuttalanden om parametrar, införlivande av förkunskaper och sekventiell uppdatering. Viktigt inom precisionsmedicin, adaptiva studier, komplexa hierarkiska modeller och alla sammanhang där förhandsinformation berikar inferensen.