Bayesçi Çıkarımın Temelleri
Bayesçi çıkarım, bilinmeyen nicelikleri rastgele değişkenler olarak ele almakta ve veriler ışığında belirsizliği temsil etmek ve güncellemek için olasılığı tek hesaplama yöntemi olarak kullanmaktadır.
Tanım
Bayesçi çıkarım, bilinmeyen parametreler üzerindeki bir önsel olasılık dağılımını, gözlemlenen veriler için bir olabilirlik ile birleştirerek, bu bilinmeyenler hakkındaki tüm kalan belirsizliği nicelendiren bir sonsal dağılıma dönüştürmek için Bayes teoreminin kullanılmasıdır.
Kapsam
Bu alan, Bayesçi yaklaşımın kavramsal ve matematiksel çekirdeğini kapsamaktadır: Bayes teoreminin bir güncelleme kuralı olarak işlevi, olabilirlik (likelihood) rolü, olasılığın inanç derecesi olarak yorumlanması, istatistiksel modelleme için bir gerekçe olarak değişebilirlik (exchangeability) ve öznel ile nesnel yaklaşımlar arasındaki karşıtlık. Bu ilkeler üzerine önsel dağılımları, hesaplamayı ve modelleri inşa eden Bayesçi istatistiğin geri kalanını çerçevelemektedir.
Alt konular
Temel sorular
- Bayes teoremi, önsel inançları gözlemlenen verilerle birleştirerek sonsal bir dağılımı nasıl elde etmektedir?
- Olabilirlik (likelihood) hangi rolü oynamaktadır ve Bayesçi çıkarım neden olabilirlik ilkesine uymaktadır?
- Değişebilirlik (exchangeability), gözlemleri parametreler verildiğinde koşullu bağımsız olarak temsil etmeyi nasıl gerekçelendirmektedir?
- Bayesçi olasılığın öznel ve nesnel yorumları arasındaki fark nedir?
Anahtar kavramlar
- önsel dağılım
- olabilirlik fonksiyonu
- sonsal dağılım
- marjinal olabilirlik (kanıt)
- değişebilirlik
- tutarlılık
- olabilirlik ilkesi
Temel kuramlar
- Bayes' teoremi çıkarım olarak
- Sonsal dağılım, olabilirlik ile önsel dağılımın çarpımıyla orantılıdır; bu tek özdeşlik, bir Bayesçinin verileri gözlemledikten sonra belirsizliği rasyonel olarak nasıl güncellediğini yönetmektedir.
- De Finetti'nin temsil teoremi
- Sonsuz bir değişebilir dizi, parametrik modeller ve önsel dağılımlar için öznel-olasılık temeli sağlayan, bir karışım dağılımına sahip bilinmeyen bir parametre verildiğinde koşullu olarak bağımsız ve özdeş dağılımlı (i.i.d.) olarak temsil edilebilmektedir.
- Tutarlılık ve Dutch-book argümanı
- Olasılık aksiyomlarına uyan inanç dereceleri 'tutarlıdır' ve kesin kayıplı bahis konfigürasyonlarından kaçınmaktadır; bu karar teorik argüman, Bayesçi olasılık kullanımının inançlar için temelini oluşturmaktadır.
Klinik önem
Bayesçi temeller, kanıtlar biriktikçe belirsizliğin nicelendirilmesi ve güncellenmesi gereken bilim dallarındaki uygulamaları desteklemektedir; klinik araştırma izleminden genetiğe, fizikten makine öğrenimine ve karar analizine kadar geniş bir yelpazede kullanılmaktadır.
Tarihçe
Bayes'in makalesi (1763'te ölümünden sonra yayımlanmıştır) ve Laplace'ın bağımsız gelişimi, ters olasılık yönteminin başlangıcını sağlamıştır. 20. yüzyılın başlarında frekansçı yöntemler tarafından gölgede bırakılan bu yaklaşım, Jeffreys'in nesnel önsel dağılımları, de Finetti ve Savage'ın öznel olasılık temelleri ve 1990'lardan itibaren onu geniş çapta pratik hale getiren hesaplama alanındaki gelişmeler sayesinde yeniden canlanmıştır.
Tartışmalar
- Öznel ve nesnel önsel dağılımlar
- Önsel dağılımların gerçek kişisel inancı kodlaması mı yoksa etkilerini en aza indirmek için resmi kurallarla mı seçilmesi gerektiği, Bayesçi istatistik içinde temel bir tartışma konusu olmaya devam etmektedir.
Öne çıkan isimler
- Thomas Bayes
- Pierre-Simon Laplace
- Bruno de Finetti
- Harold Jeffreys
- Leonard J. Savage
İlgili konular
Temel eserler
- gelman2013
- robert2007
- definetti1937
Sıkça sorulan sorular
- Bayesçi çıkarım, frekansçı çıkarımdan nasıl farklıdır?
- Bayesçi çıkarım, bilinmeyen parametrelere olasılık dağılımları atamakta ve bir sonsal dağılım raporlamaktadır; oysa frekansçı çıkarım, parametreleri sabit olarak ele almakta ve varsayımsal tekrarlanan örneklemler üzerinde tahmin edicilerin ve prosedürlerin uzun vadeli davranışları hakkında akıl yürütmektedir.
- Bayesçi çıkarım öznel bir önsel dağılım gerektirmekte midir?
- Bir önsel dağılım gerektirmektedir, ancak önsel dağılım öznel (gerçek inancı kodlayan) veya zayıf bilgilendirici olacak şekilde nesnel kurallarla seçilebilmektedir; yeterli veri olduğunda olabilirlik genellikle baskın olmakta ve seçimin önemi azalmaktadır.