A menudo se argumenta que el marco bayesiano tiene una gran ventaja en la interpretación (más frecuente), porque calcula la probabilidad de un parámetro dados los datos - lugar de como en el marco frecuentista. Hasta aquí todo bien.
Pero, toda la ecuación se basa en:
me parece poco sospechoso por 2 razones:
En muchos trabajos, se utilizan habitualmente anteriores no informativos (distribuciones uniformes) y luego solo , de modo que los bayesianos obtienen el mismo resultado que los frecuentistas, entonces, ¿cómo es entonces mejor el marco bayesiano en interpretación, cuando la probabilidad bayesiana posterior y frecuente es la misma distribución? Simplemente produce el mismo resultado.
Cuando se utilizan los antecedentes informativos, se obtienen resultados diferentes, pero el bayesiano se ve afectado por el previo subjetivo, por lo que toda la tiene el matiz subjetivo.
En otras palabras, todo el argumento de que es mejor en interpretación que basa en la presunción de que es una especie de "real", que normalmente no lo es. es solo un punto de partida, de alguna manera elegimos hacer que el MCMC se ejecute, una presunción, pero no es una descripción de la realidad (creo que no se puede definir).p ( x | θ ) p ( θ )
Entonces, ¿cómo podemos argumentar que bayesiano es mejor en interpretación?
uninformative or *objective* priors
? Los subjective
previos son exactamente anteriores informativos .