C.W.K.
Stream
Lesson 06 of 06 · published

마무리: 베이즈는 *정직한 추론 엔진*

~8 min · closer, synthesis, bayes-vs-frequentist, cross-ref-06

Level 0통계 초심자
0 XP0/55 lessons0/14 achievements
0/100 XP to next level100 XP to go0% complete
"베이즈 프레임이 *prior 에 대한 정직 강제*. *Frequentist 프레임이 *그게 필요한 질문에 답하기 거부함으로써 prior 회피*. *둘 다 합법*; *둘 사이의 대화가 *시민의 성숙한 추론 기술*."

이 트랙이 정착시킨 것

*한 엔진의 6 lesson*: *prior + likelihood = posterior*. *검사의 오류에 적용 (베이즈가 *진술된 prior 와 명시적으로 posterior 계산해 해결), *의료 false positive (베이즈가 *시민 패닉이 base-rate-무시 posterior 오독임을 보임), *base-rate neglect (Kahneman 의 인지 편향, *베이즈가 그 교정), *그리고 순차 업데이트 (*증거 누적과 함께 *시간에 걸쳐 돌아가는 엔진)*.

베이즈 vs Frequentist: 성숙한 뷰

*두 프레임이 적이 아니야*. *다른 헌신과 함께 다른 질문에 답*:

  • Frequentist 가 *'가설의 확률이 무엇?' 에 답 거부*, *가설이 고정이고 *확률이 그것에 직접 적용 안 되기 때문*. *대신, *'가설을 가정할 때 *적어도 이만큼 극단인 증거의 확률이 무엇?' 에 답*. *이게 *p-value / 신뢰구간 / 가설 검정 도구상자*.
  • Bayesian 이 *'증거가 주어졌을 때 가설의 확률이 무엇?' 에 *직접 답*, *근데 *prior 이름 붙이고 *posterior 가 그것에 의존함을 받아들이라고 요구*. *이게 *prior / likelihood / posterior 도구상자*.

*성숙한 시민-통계학자가 *둘 다 사용*. *Prior-관련 맥락 없는 깨끗한 데이터에 *frequentist 도구가 효율적이고 잘 보정됨*. *관련 base rate 와 누적 증거 있는 *불확실성 하 결정에 *베이즈 도구가 정직하고 운영적*. *그것들 섞는 것도 괜찮음*: *많은 현대 분석이 *frequentist 주장으로 안내되는 prior 선택과 함께 베이즈 모델 사용*.

Cross-Reference 지도

*트랙 06 이 *법정을 frequentist Type I / Type II 용어로 프레임*; *트랙 08 이 *베이즈 prior / likelihood / posterior 용어로 프레임*. *둘 다 같은 결론 도달*: *법체계가 *무죄의 비대칭 보호를 위해 설계*, *그리고 *대중 불만 ('저 죽일놈 왜 풀어주냐?') 이 비용 비대칭 무시*. *트랙 07 이 *frequentist 꼬리-모델링 쪽에서 정규 오용 분해*; *트랙 08 이 *베이즈 추론 쪽에서 *posterior 오독 분해*. *네 트랙 함께 (트랙 04 sigma-as-lens, 트랙 06 courtroom, 트랙 07 normality-misuse, 트랙 08 Bayesian frame) 가 *시민의 전체 통계 렌즈 키트*.

종합

*베이즈가 *'증거가 주어졌을 때 무엇을 믿어야 할까?' 에 대한 정직한 답*. *Frequentist 도구가 *'증거가 디폴트를 뒤집기에 충분히 강한가?' 에 대한 정직한 답*. *두 질문이 같지 않음*, *그리고 *둘 다 들 수 있는 시민이 *현대 대중-향 통계 대부분을 옳게 읽을 수 있는 사람*. *트랙 09 가 그러고 나서 *prior 를 정직하게 설정하기 어렵게 만드는 회귀-과-편향 메커니즘 봄* — *생존편향, 평균 회귀, 선택 효과*. *렌즈 키트가 거의 완성*.

Code

Frequentist vs 베이즈: *각각에 언제 손 뻗을지*·text
*두 프레임, 한 퍼즐*

FREQUENTIST                          BAYESIAN
----------------------------------   ----------------------------------
질문: P(증거 | 가설)?                  질문: P(가설 | 증거)?
도구: p-value, CI, Type I/II         도구: prior, likelihood, posterior
Prior: 거부 (또는 숨김)                Prior: 명시적이고 옹호
강점: 검정 가능한 주장에 깨끗          강점: 결정에 정직
약점: 믿음에 침묵                     약점: prior 논쟁 필요

*둘 다 다른 질문에 답*. *둘 다 합법*. *시민-통계학자가
*둘 다 듦*. *둘 사이의 대화가 *불확실성 하 슬로건식
추론과 *엄격한 추론을 분리하는 것*.

*고전 가설 검정에: frequentist*.
*법정 증거 해석에: 베이즈*.
*희귀 병에 대한 의료 결정에: 베이즈 (base rate 가 요점)*.
*잘-정의된 귀무가 있는 통제 실험에: frequentist (깨끗)*.
*순차 믿음 수정에: 베이즈 (엔진이 native 처리)*.

External links

Exercise

*확률을 포함하는 공개 주장 하나 고르기* (공중-보건 발표, 법정 판결, 여론조사, 투자 예측). *두 렌즈로 읽기*: *(1) Frequentist 진술이 무엇 (p-value 또는 CI)?*; *(2) 암시된 베이즈 posterior 가 무엇 (그리고 어느 prior 가정)?*. *대부분 주장에 대해, *둘 중 하나가 *조용히 진술되고 *다른 하나가 *조용히 추론됨*. *두-렌즈 습관은 *둘 다 이름 붙이는 것*.
Hint
*보고된 '95% 효과적 백신' 이 *frequentist 의미 (95% 주변 신뢰구간) 와 *베이즈 의미 (백신 효과에 대한 어떤 prior 주어졌을 때 *백신이 위험을 ~95% 줄일 사후확률) 모두 가짐*. *대부분 보도가 *하나에 대해 말하고 *다른 하나는 *독자에게 채우거나 놓치라고 둠*.

Progress

Progress is local-only — sign in to sync across devices.
이 페이지에서 버그를 발견하셨거나 피드백이 있으세요?문제 신고
💛 by 똘이warm

댓글 0

🔔 답글 알림 (로그인 필요)
로그인댓글을 남기려면 로그인해 주세요.

아직 댓글이 없어요. 첫 댓글을 남겨보세요.