বুটস্ট্র্যাপ বনাম বায়সিয়ান কৌশল কখন ব্যবহার করবেন?


12

আমার নির্ভরযোগ্যতা পরীক্ষার সাথে যুক্ত একটি জটিল জটিল বিশ্লেষণ সমস্যা রয়েছে এবং বায়সীয় বিশ্লেষণ সমর্থন করার জন্য এমসিএমসি ব্যবহার করে জড়িত বলে মনে হয় (আমার কাছে)। তবে এটি পরামর্শ দেওয়া হয়েছে যে এটি একটি বুটস্ট্র্যাপিং পদ্ধতির ব্যবহার করা আরও উপযুক্ত। কেউ কি এমন কোনও রেফারেন্স (বা তিন) প্রস্তাব দিতে পারেন যা অন্যের মাধ্যমে প্রযুক্তি ব্যবহারের ক্ষেত্রেও সমর্থন করতে পারে (এমনকি বিশেষ পরিস্থিতিতেও)? এফডাব্লুআইডাব্লু, আমার কাছে একাধিক, পৃথক উত্স এবং কয়েকটি / শূন্য ব্যর্থতার পর্যবেক্ষণের ডেটা রয়েছে। সাবসিস্টেম এবং সিস্টেম স্তরগুলিতে আমার কাছে ডেটা রয়েছে।

মনে হয় এটির মতো তুলনা পাওয়া উচিত, তবে সাধারণ সন্দেহভাজনদের অনুসন্ধান করার ভাগ্য আমি পাইনি। কোন পয়েন্টার জন্য অগ্রিম ধন্যবাদ।


1
ক্লাসিকাল বুটস্ট্র্যাপকে কম্পিউটার-প্রয়োগিত সর্বাধিক সম্ভাবনা পদ্ধতি হিসাবে বিবেচনা করা যেতে পারে (যেমন একটি বে-বেইশিয়ান (ফ্ল্যাট পূর্ব) কৌশল), আপনার প্রশ্নটি পুনরায় এমন "" যখন ঘন ঘনবাদী বনাম বেয়েশিয়ান কৌশলটি ব্যবহার করা উচিত তখন কিছুটা ভাল করা উচিত hra ? " বুটস্ট্র্যাপের কিছু পটভূমি: stats.stackexchange.com/questions/18469/…
ইয়েভজেনি

1
হুমম..আমার ধারণা আমি একমত নই। আশা করা যায় যে 'বুটস্ট্র্যাপ' নির্দিষ্টভাবে অন্তরটির বৈশিষ্ট্যটির পরামর্শ দেয়; শুধু 'ঘনত্ববাদী' এর চেয়ে কিছুটা বেশি কেন্দ্রীভূত। কমপক্ষে 'বুটস্ট্র্যাপ' ধর্মীয় ধর্মান্ধদের বেশিরভাগকে উপেক্ষা করবে। এছাড়াও, লিঙ্কটির জন্য ধন্যবাদ, তবে আমি এটি পোস্ট করার আগে আপনার পূর্ববর্তী মন্তব্যের সাথে আমি পরিচিত ছিলাম।
অ্যানগাস

1
আমাকে পুনঃব্যবহার করতে দিন, আপনার কাছে কি কোনও দরকারী পূর্ববর্তী তথ্য আছে, বা সমস্যাটির একটি শ্রেণিবিন্যাস (নেস্টেড) কাঠামো আছে? যদি তা হয় তবে একটি বেয়েসিয়ান কৌশল সম্ভবত আরও ভাল (বিশেষত যদি মডেল পরামিতিগুলির সংখ্যা উপলব্ধ ডেটার পরিমাণের তুলনায় বড় হয়, তবে অনুমানটি "বেয়েসিয়ান সঙ্কুচিত" থেকে উপকৃত হবে)। অন্যথায় এমএলই / বুটস্ট্র্যাপ যথেষ্ট।
ইয়েজগেনি

আমার অনুমান যে আরও সম্ভাব্য পদ্ধতির মধ্যে রয়েছে মিশ্র-প্রভাবগুলির মডেলগুলি (যেমন আর প্যাকেজ lme4 ব্যবহার করে) আপনি যে শ্রেণিবদ্ধ কাঠামোটির প্রতিশ্রুতি দিয়েছেন তা মডেল করতে। এটি বিপুল সংখ্যক প্যারামিটারযুক্ত (শ্রেণিবিন্যাস) মডেলগুলির অনুমানকে স্থিতিশীল করতেও সহায়তা করবে।
ইয়েভজেনি 21

1
একটি বুটস্ট্র্যাপ বিশ্লেষণ বায়েশিয়ান বিশ্লেষণ হিসাবে খুব ভালভাবে দেখা যেতে পারে, সুতরাং আপনার প্রশ্নটি প্রায় একই সাথে হতে পারে "বুটস্ট্র্যাপ বনাম অন্য বায়েশিয়ান মডেলটি কখন ব্যবহার করবেন" (আপনার প্রশ্নটি আমাকে বায়েশিয়ার মডেল হিসাবে বুটস্ট্র্যাপের এই ব্যাখ্যাটি লেখার জন্য উত্সাহিত করেছিল) : sumsar.net/blog/2015/04/… )। প্রশ্নটি দেওয়া, আমি @ ইয়েজজেনির সাথে একমত যে আমরা একটি মডেল প্রস্তাব দেওয়ার আগে আমাদের সম্ভবত আপনার নির্দিষ্ট সমস্যা সম্পর্কিত আরও তথ্যের প্রয়োজন হবে।
রাসমুস বুথ

উত্তর:


15

আমার চিন্তাভাবনাতে আপনার সমস্যার বর্ণনা দুটি প্রধান ইস্যুতে নির্দেশ করে। প্রথম:

আমার একটি জটিল সিদ্ধান্ত বিশ্লেষণ আছে ...

ধরে নিই যে আপনার হাতে একটি ক্ষয় ফাংশন রয়েছে, আপনি সিদ্ধান্ত নিতে হবে যে আপনি ঘন ঘন ঝুঁকির ঝুঁকি বা উত্তরোত্তর প্রত্যাশিত ক্ষতির বিষয়ে যত্নশীল কিনা । বুটস্ট্র্যাপ আপনাকে ডেটা বিতরণের আনুমানিক কার্যকারিতা দেয়, সুতরাং এটি পূর্বের সাথে সহায়তা করবে; এবং MCMC এর উত্তরোত্তর নমুনাগুলি আপনাকে পরবর্তীটির মূল্যায়ন করতে দেয়। কিন্তু ...

সাবসিস্টেম এবং সিস্টেম স্তরগুলিতে আমার কাছে ডেটা রয়েছে

সুতরাং এই ডেটাগুলির শ্রেণিবদ্ধ কাঠামো রয়েছে। বায়েশিয়ান অ্যাপ্রোচগুলি এ জাতীয় ডেটা খুব স্বাভাবিকভাবেই মডেল করে, যেখানে বুটস্ট্র্যাপটি মূলত আইড হিসাবে মডেলিং ডেটাগুলির জন্য তৈরি করা হয়েছিল যদিও এটি বর্ধিত স্তরক্রমিক ডেটাতে প্রসারিত করা হয়েছে ( এই কাগজের প্রবর্তনের উল্লেখ দেখুন ), এই জাতীয় পন্থাগুলি তুলনামূলকভাবে অনুন্নত (বিমূর্ত অনুসারে) এই নিবন্ধ )।

সংক্ষিপ্তসার হিসাবে: যদি এটি আপনার ঘন ঘন ঘন ঘন ঝুঁকিপূর্ণ যে ঝুঁকির বিষয় থাকে তবে সিদ্ধান্ত তত্ত্বের বুটস্ট্র্যাপ প্রয়োগের ক্ষেত্রে কিছু প্রাথমিক গবেষণা প্রয়োজন হতে পারে। যাইহোক, যদি পরবর্তী সিদ্ধান্ত প্রত্যাশিত ক্ষয়ক্ষতি হ্রাস করা আপনার সিদ্ধান্তের সমস্যার তুলনায় আরও প্রাকৃতিক উপযুক্ত হয় তবে বেইস অবশ্যই যাওয়ার উপায়।


ধন্যবাদ, আমি এর কোনটিই পেরেছি না; উত্তরোত্তর নিবন্ধটি বিশেষ আকর্ষণীয় বলে মনে হচ্ছে।
এংগাস

5

আমি পড়েছি যে নন-প্যারামিট্রিক বুটস্ট্র্যাপটি কোনও বায়েশিয়ান মডেলের বিশেষ ক্ষেত্রে দেখা যেতে পারে একটি বিচ্ছিন্ন (খুব) অ-তথ্যমূলক পূর্বে, যেখানে মডেলটিতে অনুমান করা হচ্ছে তা ডেটা বিচ্ছিন্ন এবং এর ডোমেন আপনার লক্ষ্য বন্টন সম্পূর্ণরূপে আপনার নমুনা পর্যবেক্ষণ করা হয়।

এখানে দুটি উল্লেখ রয়েছে:

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.