এক্স কেসিডি'র পরিবর্তিত বয়েস উপপাদ্য: আসলে কিন্ডা যুক্তিসঙ্গত?

Question

আমি জানি এটি একটি বিশ্লেষণাত্মক প্রবণতাগুলির সুবিধা গ্রহণের জন্য বিখ্যাত একটি কমিকের কাছ থেকে এসেছে , তবে এটি কয়েক মিনিট তারার পরে বেশ কিছুটা যুক্তিযুক্ত দেখায়। এই " সংশোধিত বয়েস উপপাদ্য " কী করছে তা আমার পক্ষে কেউ রূপরেখা দিতে পারে ?

Comments

وضاحتxkcd.com/wiki/index.php/2059:_ সংক্ষিপ্ত_বয়েস ১০২২_ লেখকের কাছ থেকে ব্যাখ্যাটির পূর্ববর্তী ।

— স্যাচল্লাকা

@ ত্রিশাল্লাকাকে আপনি কী ভাবেন যে র্যান্ডাল এটি লিখেছেন?

— কাস্পারড

@ ত্রিশালাকাকে যদি না লেখক কেউ রান্ডাল নিজেই না করেন, এটি ক্ষেত্রে নয়।

— এসকিউবি

তবে আপনি কি আরও প্রমাণের মুখে তার মান আপডেট করার জন্য বেইস উপপাদ্যকে পি (সি) এ প্রয়োগ করবেন না?

— ইয়াক

$P(C)$

Answer 1

$P(H)$

$$P(H|X) = \frac{P(X|H)P(H)}{P(X)} P(C) + P(H) [1 - P(C)],$$ $C =$$H$

আমি মনে করি যে এটি সমালোচনার বিরুদ্ধে একটি উত্সাহ যা নীতিগতভাবে বায়েশিয়ানরা তাদের যে সিদ্ধান্তে যা চান তা সমর্থন করার পূর্বে সামঞ্জস্য করতে পারে, তবে বায়েশিয়ানরা বলবেন যে বায়েশিয়ান পরিসংখ্যান বাস্তবে এটি কাজ করে না।

(এবং হ্যাঁ, আপনি আমাকে সাফল্যের সাথে অহেতুক-স্নাইপ করেছেন I'm আমি যদিও গণিতবিদ বা পদার্থবিদ না, তাই আমি কতটা পয়েন্টের মূল্যবান তা নিশ্চিত নই))

Comments

উপরের সূত্রে এম্বেড করা একটি চতুর রসিকতা হল আপনি যদি বায়েশিয়ান পরিসংখ্যান সঠিকভাবে ব্যবহার না করেন তবে আপনার অনুমান সত্য থেকে সম্পূর্ণ স্বাধীন।

— ক্লিফ এবি

আমি আশা করি একটি ব্যস্ত রাস্তায় যাওয়ার সময় আপনি আপনার উত্তরটি টাইপ করেননি। আমার এতে কোনও অংশ নেই ...

— এরিক_কর্নফিল্ড

উপরের ক্যারিকেট করা বেয়েসিয়ানদের ধরণের বায়েসিয়ান পরিসংখ্যানবিদরা নয়, তারা বেইসিয়ান আইনজীবী

— কেজেটিল বি হালওয়ারসেন

@ ক্লিফ্যাব আমি জানি না যে আমি এটিকে একটি চতুর রসিকতা বা প্রকৃতির আইন বলেছি।

— এরিক_কর্নফিল্ড

@ সিলেফ্যাব আপনি কী বোঝাতে চেয়েছেন "আপনার উত্তরাধিকার (এই সূত্র অনুসারে গণনা করা) প্রমাণের তুলনায় স্বতন্ত্র"?

— সংগৃহীত

Answer 2

বিশ্বাস করুন বা না করুন, এই ধরণের মডেল প্রতি এখন এবং পরে খুব মারাত্মক পরিসংখ্যানের মডেলগুলিতে পপ আপ হয়, বিশেষত ডেটা ফিউশন নিয়ে কাজ করার সময়, অর্থাত্, একক ইভেন্টে অনুক্রমের চেষ্টা করার জন্য একাধিক সেন্সর থেকে অনুমানের সংমিশ্রনের চেষ্টা করা।

$A$$B$$A$সত্য (যেমন, এই সেন্সরটি ভুলভাবে চালিত করার পরে যে সম্ভাবনা রয়েছে তা যখন আমরা বুঝতে পারি যে এটি অন্যান্য সমস্ত সেন্সরের বিপরীতে রয়েছে)। ব্যর্থতা বিতরণ যদি আমরা প্যারামিটারটির উপর নির্ভর করতে আগ্রহী, তবে এটি যদি ব্যর্থতা যে পশ্চাত্তর সম্ভাবনা বেশি থাকে তবে সেই সংবেদক থেকে নেওয়া পদক্ষেপগুলি সুদের প্যারামিটারের জন্য উত্তরোত্তর বিতরণে খুব কম প্রভাব ফেলে; প্রকৃতপক্ষে, স্বাধীনতা যদি ব্যর্থতার পরবর্তী সম্ভাবনা 1 হয়।

এটি কি এমন সাধারণ মডেল যা বিবেচনার জন্য বিবেচনা করা উচিত, অর্থাত্, বায়েসিয়ান পরিসংখ্যান করার সময় আমাদের বায়েস উপপাদ্যটি পরিবর্তিত বায়েস উপপাদ্য প্রতিস্থাপন করা উচিত? না। কারণটি হ'ল "বায়সিয়ান পরিসংখ্যান সঠিকভাবে ব্যবহার করা" কেবলমাত্র বাইনারি নয় (বা এটি যদি হয় তবে এটি সর্বদা মিথ্যা)। যে কোনও বিশ্লেষণে ভুল অনুমানের ডিগ্রি থাকবে । আপনার সিদ্ধান্তগুলি ডেটা থেকে সম্পূর্ণ স্বতন্ত্র হওয়ার জন্য (যা সূত্র দ্বারা বোঝানো হয়েছে), আপনাকে চরম গুরুতর ত্রুটি করা দরকার। যদি কোনও স্তরে "বায়সিয়ান পরিসংখ্যান ভুলভাবে ব্যবহার করা" মানে আপনার বিশ্লেষণ সত্যের থেকে সম্পূর্ণ স্বতন্ত্র ছিল, তবে পরিসংখ্যানের ব্যবহার সম্পূর্ণরূপে মূল্যহীন হবে। সমস্ত মডেল ভুল তবে কিছু দরকারী এবং সব কিছু।

Comments

আমি অনুমান করি যে আমাদের সেন্সরগুলির স্থির ব্যর্থতা মোড আবিষ্কারে আমরা ভাগ্যবান হয়ে উঠলাম এটি একটি চরম বা অন্যটি। নয়েজ স্কোয়াশিং যদিও অনেক বেশি শক্ত। সেন্সরটি সঠিকভাবে কাজ করছে এবং এটি প্রাপ্ত মানটি ভুল হওয়ায় এটি তার জন্য সত্যই বিরক্তিজনক কারণ তারটি একটি অ্যান্টেনার মতো আচরণ করছে।

— জোশুয়া

@ জোশুয়া আশা করি কোনও দিন আমি কলমানকে এই ধরণের পরিস্থিতিতে ফিল্টারিং সঠিকভাবে শিখার জন্য সময় পাব (বা সম্ভবত কেউ একটি উজ্জ্বল এসই উত্তর লিখবে যা সবকিছু পরিষ্কার করে দেয়?)

— এমব্রিগ

$\mu$$i$$N(a_i \mu, 1)$$t(df = 10)$$i$

— ক্লিফ এবি