Bayesyen Parametre Tahmini [Bayesian Parameter Estimation]
Tanım: Model parametreleri hakkındaki önceden var olan inançları (yani ön dağılım) olasılık fonksiyonu aracılığıyla yeni kanıtlarla (yani gözlemlenen veriler) güncelleyerek parametre değerlerini tahmin etmeye yönelik bir Bayesyen yaklaşımdır. Bu süreç, sonsal dağılım ile sonuçlanır. Sonsal dağılım, nokta tahminleri (sonsal olasılık dağılımının ortalaması/modu/medyanı), tanımlanmış sınırların aralıkları ve tanımlanmış kütlenin aralıkları (genellikle güvenilir aralık olarak adlandırılır) dahil olmak üzere çeşitli şekillerde özetlenebilir. Dolayısıyla, sonsal dağılım, sonraki bir tahminde ön dağılım haline gelebilir. Sonsal dağılım, karmaşık model belirsizliklerini belirlemek için kullanılabilen Markov Zinciri Monte-Carlo yöntemleri kullanılarak da örneklenebilir (örn., Foreman-Mackey vd., 2013).
İlgili terimler: Bayes Factor, Bayesian inference, Bayesian statistics, Null Hypothesis Significance Testing (NHST)
Kaynakça:
- 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/
Hazırlayanlar ve Denetleyenler: Alaa AlDoh, Mahmoud Elsherif, Helena Hartmann, Dominik Kiersz, Meng Liu, Ana Todorovic, Markus Weinmann