تقدير المعاملات باستخدام النَّهج البايزي [Bayesian Parameter Estimation]
تعريف: يقوم النَّهج البايزي بتقدير قيم المعاملات من خلال تحديث اعتقاد مسبق حول معاملات النَّموذج _ وبعبارة أخرى حول التَّوزيع المسبق_ وذلك لوجود أدلَّة جديدة (أي البيانات الملاحظة) وذلك باستخدام دالة الإمكان؛ ممَّا يؤدي إلى التَّوزيع اللَّاحق. يمكن تلخيص التَّوزيع اللَّاحق بعدَّة طرق بما في ذلك: تقدير دقيق لمتوسط، ووسيط، ومنوال التَّوزيع البعدي المحتمل، والفترات المتقطِّعة للحدود، وللكتلة المحدَّدة (يُشار للفترات المتقطِّعة للكتلة المحدَّدة على أنها الفترات الموثوق بها)، وفي المقابل قد يصبح التَّوزيع اللَّاحق توزيعًا مسبقًا في مرحلة تالية، كما يمكن أخذ عيّنات من التَّوزيع اللَّاحق باستخدام سلسلة ماركوف مونتي كارلو والتي يمكن استخدامها لتحديد أوجه الشَّك المعقّدة في النَّموذج (Foreman-Mackey et al., 2013). المصطلحات ذات الصِّلة: معامل بايز، الاستدلال البايزي، الإحصاءات البايزية، اختبار دلالة الفرضية الصِّفريَّة.
مصطلحات ذات صلة: Bayes Factor, Bayesian inference, Bayesian statistics, Null Hypothesis Significance Testing (NHST)
مراجع:
- Foreman-Mackey, D., Hogg, D. W., Lang, D., & Goodman, J. (2013). emcee: The MCMC Hammer. Publications of the Astronomical Society of the Pacific, 125(925), 306–312. https://doi.org/10.1086/670067
- McElreath, R. (2020). Statistical rethinking: A Bayesian course with examples in R and Stan (2nd ed.). Taylor.
- Press, W. (2007). Numerical recipes: the art of scientific computing, 3rd edition.
- Huber, C. (2016). Introduction to Bayesian statistics, part 2: MCMC and the Metropolis–Hastings algorithm. In The Stata Blog. https://blog.stata.com/2016/11/15/introduction-to-bayesian-statistics-part-2-mcmc-and-the-metropolis-hastings-algorithm/
كتبه وراجعه: Alaa AlDoh, Mahmoud Elsherif, Helena Hartmann, Dominik Kiersz, Meng Liu, Ana Todorovic, Markus Weinmann