Probabilidad Bayesiano con plano anterior≠
La función de verosimilitud y el intervalo de confianza asociado no son los mismos (concepto) que una probabilidad bayesiana posterior construida con un previo que especifica una distribución uniforme.
En las partes 1 y 2 de esta respuesta se argumenta por qué la probabilidad no debe verse como una probabilidad bayesiana posterior basada en un plano anterior.
En la parte 3 se da un ejemplo donde el intervalo de confianza y el intervalo creíble varían ampliamente. También se señala cómo surge esta discrepancia.
1 Comportamiento diferente cuando la variable se transforma
Las probabilidades se transforman de una manera particular . Si conocemos la distribución de distribución de probabilidad entonces también conocemos la distribución de para la variable definida por cualquier función , de acuerdo con la regla de transformación:fx(x)fξ(ξ)ξx=χ(ξ)
fξ(ξ)=fx(χ(ξ))dχdξdξ
Si transforma una variable, entonces la media y el modo pueden variar debido a este cambio de la función de distribución. Eso significa y .x¯≠χ(ξ¯)xmaxf(x)≠χ(ξmaxf(ξ))
La función de probabilidad no se transforma de esta manera . Este es el contraste entre la función de probabilidad y la probabilidad posterior. La función de probabilidad (máximo de) permanece igual cuando transforma la variable.
Lξ(ξ)=Lx(χ(ξ))
Relacionado:
El piso anterior es ambiguo . Depende de la forma de la estadística particular.
Por ejemplo, si tiene una distribución uniforme (por ejemplo, , entonces no es una variable distribuida uniforme.XU(0,1))X2
No hay un único plano previo con el que pueda relacionar la función de probabilidad. Es diferente cuando define el plano anterior para o alguna variable transformada como . Por lo probable, esta dependencia no existe.XX2
Los límites de las probabilidades (intervalos de credibilidad) serán diferentes cuando transforma la variable (para las funciones de probabilidad, este no es el caso) . Por ejemplo, para algún parámetro y una transformación monotónica (por ejemplo logaritmo) a obtener los equivalentes intervalos de probabilidad
af(a)aminf(amin)<<af(a)<<amaxf(amax)
2 Concepto diferente: los intervalos de confianza son independientes de los anteriores
Suponga que muestrea una variable de una población con parámetro (desconocido) que se muestrea a sí misma (la población con parámetro ) de una superpoblación (con valores posiblemente variables para ).Xθθθ
Uno puede hacer una declaración inversa tratando de inferir lo que el original puede haberse basado en la observación de algunos valores para la variable .θxiX
- Los métodos bayesianos hacen esto suponiendo una distribución previa para la distribución de posiblesθ
- Esto contrasta con la función de probabilidad y el intervalo de confianza, que son independientes de la distribución anterior.
El intervalo de confianza no usa información de un previo como lo hace el intervalo creíble (la confianza no es una probabilidad).
Independientemente de la distribución previa (uniforme o no), el intervalo de x% de confianza contendrá el parámetro verdadero en de los casosx (los intervalos de confianza se refieren a la tasa de éxito, error tipo I, del método, no de un caso en particular) .
En el caso del intervalo creíble, este concepto ( de tiempo que el intervalo contiene el parámetro verdadero) ni siquiera es aplicable, pero podemos interpretarlo en un sentido frecuente y luego observamos que el intervalo creíble contendrá el parámetro verdadero solo del tiempo cuando el previo (uniforme) describe correctamente la superpoblación de parámetros que podemos encontrar. El intervalo puede estar funcionando efectivamente más alto o más bajo que el x% (no es que esto importe ya que el enfoque bayesiano responde a diferentes preguntas, pero es solo para notar la diferencia).x
3 Diferencia entre confianza e intervalos creíbles
En el siguiente ejemplo, examinamos la función de probabilidad de la distribución exponencial como función del parámetro de tasa , la media muestral y el tamaño muestral :λx¯n
L(λ,x¯,n)=nn(n−1)!xn−1λne−λnx¯
Esta función expresa la probabilidad de observar (para una y dada ) una media muestral entre y .nλx¯x¯+dx
nota: el parámetro de velocidad va de a (a diferencia de la 'solicitud' de OP de a ). El prior en este caso será un prior inapropiado . Sin embargo, los principios no cambian. Estoy usando esta perspectiva para una ilustración más fácil. Las distribuciones con parámetros entre y menudo son distribuciones discretas (difíciles de trazar líneas continuas) o una distribución beta (difícil de calcular)λ0∞0101
La imagen a continuación ilustra esta función de probabilidad (el mapa de color azul), para el tamaño de muestra , y también dibuja los límites para los intervalos del 95% (confianza y credibilidad).n=4
Los límites se crean obteniendo la función de distribución acumulativa (unidimensional). Pero, esta integración / acumulación se puede hacer en dos direcciones .
La diferencia entre los intervalos se produce porque el área del 5% se realiza de diferentes maneras.
El intervalo de confianza del 95% contiene valores para los cuales el valor observado ocurriría al menos en el 95% de los casos. De este modo. cualquiera sea el valor , solo haríamos un juicio incorrecto en el 95% de los casos.λx¯λ
Para cualquier tiene norte y sur de los límites (cambiando ) 2.5% del peso de la función de probabilidad.λx¯
El intervalo creíble del 95% contiene valores que tienen más probabilidades de causar el valor observado (dado un plano anterior).λx¯
Incluso cuando el resultado observado es inferior al 5% de probabilidad para una dada , la particular puede estar dentro del intervalo creíble. En el ejemplo particular, los valores más altos de son 'preferidos' para el intervalo creíble.x¯λλλ
Para cualquier tiene el oeste y el este de los límites (cambiando ) 2.5% del peso de la función de probabilidad.x¯λ
Un caso en el que coinciden el intervalo de confianza y el intervalo creíble (basado en un previo incorrecto) es para estimar la media de una variable distribuida gaussiana (la distribución se ilustra aquí: https://stats.stackexchange.com/a/351333/164061 ).
Aquí se ilustra un caso obvio donde el intervalo de confianza y el intervalo creíble no coinciden ( https://stats.stackexchange.com/a/369909/164061 ). El intervalo de confianza para este caso puede tener uno o incluso ambos límites (superior / inferior) en el infinito.