Частотный вывод - это тип статистического вывода, который делает выводы из выборочных данных, подчеркивая частоту или пропорцию данных. Альтернативное название - частотная статистика . Это структура вывода, в которой основаны хорошо зарекомендовавшие себя методологии проверки статистических гипотез и доверительных интервалов . Помимо частотного вывода, основным альтернативным подходом к статистическому выводу является байесовский вывод , а другим - проверочный вывод .
Хотя иногда считается, что « байесовский вывод » включает подход к умозаключению, ведущему к оптимальным решениям , здесь для простоты используется более ограниченный взгляд.
Заключение Frequentist было связано с частотной интерпретацией вероятности , в частности, что любой данный эксперимент может рассматриваться как один из бесконечной последовательности возможных повторений одного и того же эксперимента, каждый из которых способен давать статистически независимые результаты. [1] С этой точки зрения, подход частотного вывода к выводам из данных фактически требует, чтобы правильный вывод был сделан с заданной (высокой) вероятностью среди этого условного набора повторений. Однако точно такие же процедуры могут быть разработаны с несколько иной формулировкой. Это тот, где берется предэкспериментальная точка зрения. Можно утверждать, что план экспериментаПеред проведением эксперимента необходимо принять решение о том, какие именно шаги будут предприняты, чтобы сделать вывод на основе данных, которые еще предстоит получить. Эти шаги могут быть определены ученым так, чтобы была высокая вероятность принятия правильного решения, где в этом случае вероятность относится к еще не произошедшему набору случайных событий и, следовательно, не зависит от частотной интерпретации вероятности. Эта формулировка обсуждалась, среди прочего, Нейманом [2] .
Точно так же байесовский вывод часто считался почти эквивалентным байесовской интерпретации вероятности, и, таким образом, существенное различие между частотным выводом и байесовским выводом такое же, как и разница между двумя интерпретациями того, что означает «вероятность». Однако там, где это уместно, байесовский вывод (означающий в данном случае применение теоремы Байеса ) используется теми, кто использует частотную интерпретацию вероятностей .
Есть два основных различия в частотном и байесовском подходах к умозаключениям, которые не включены в приведенное выше рассмотрение интерпретации вероятности:
В частотном подходе к логическому выводу неизвестные параметры часто, но не всегда, рассматриваются как имеющие фиксированные, но неизвестные значения, которые не могут рассматриваться как случайные переменные в каком-либо смысле, и, следовательно, нет никакого способа, которым вероятности могут быть связаны с ними. . Напротив, байесовский подход к выводу действительно позволяет связывать вероятности с неизвестными параметрами, причем эти вероятности иногда могут иметь интерпретацию частотной вероятности, а также байесовскую интерпретацию . Байесовский подход позволяет интерпретировать эти вероятности как представление учёного, что данные значения параметра верны [см.Байесовская вероятность - Персональные вероятности и объективные методы построения априорных вероятностей .
Хотя «вероятности» задействованы в обоих подходах к умозаключениям, вероятности связаны с разными типами вещей. Результатом байесовского подхода может быть распределение вероятностей того, что известно о параметрах с учетом результатов эксперимента или исследования. Результатом частотного подхода является либо «истинный или ложный» вывод из теста значимости, либо вывод в форме того, что данный доверительный интервал, полученный из выборки, охватывает истинное значение: любой из этих выводов имеет заданную вероятность того, что он верен где эта вероятность имеет либо интерпретацию вероятности частоты, либо предэкспериментальную интерпретацию.
Категория
Commons
ВикиПроект