신뢰성 테스트와 관련하여 다소 복잡한 의사 결정 분석 문제가 있으며 논리적 접근 (나에게)은 MCMC를 사용하여 베이지안 분석을 지원하는 것으로 보입니다. 그러나 부트 스트랩 접근 방식을 사용하는 것이 더 적절하다고 제안되었습니다. 누군가가 (특정 상황에서도) 다른 기술을 사용하는 것을 지원할 수있는 참조 (또는 세 가지)를 제안 할 수 있습니까? FWIW, 여러 개의 서로 다른 소스 및 거의 / 제로 실패 관찰 데이터가 있습니다. 또한 서브 시스템 및 시스템 레벨에 데이터가 있습니다.
이와 같은 비교가 가능해야하지만 일반적인 용의자를 검색하는 것은 운이 없었습니다. 모든 포인터에 미리 감사드립니다.
1
고전적인 부트 스트랩은 컴퓨터로 구현 된 최대 가능성 방법 (예 : 비 베이지 (플랫 사전) 기술)으로 생각할 수 있으므로 "자주주의 대 베이 시안 기술을 사용할 때"와 같은 질문으로 바꾸는 것이 좋습니다. ? " 부트 스트랩에 대한 일부 배경 : stats.stackexchange.com/questions/18469/…
—
예브게니
흠. 나는 동의하지 않는다고 생각한다. 바라건대 '부트 스트랩'은 구체적으로 간격의 특성을 제안합니다. '자주 주의자'보다 조금 더 집중되어 있습니다. 최소한 '부트 스트랩'은 종교적 광신자들 대부분을 막아 줄 것입니다. 또한 링크에 감사드립니다.하지만이 게시물을 게시하기 전에 이전 의견에 익숙했습니다.
—
Aengus
다시 말해서, 유용한 사전 정보가 있습니까, 아니면 문제가 계층 적 (중첩) 구조입니까? 그렇다면 베이지안 기법이 더 나을 것입니다 (특히 모델 매개 변수의 수가 사용 가능한 데이터의 양에 비해 많을 경우 추정에 따라 "베이 시안 수축"). 그렇지 않으면 MLE / 부트 스트랩으로 충분합니다.
—
예브게니
다른 가능한 접근법은 혼합 효과 모델 (예 : R 패키지 lme4 사용)을 사용하여 계층 구조를 모델링하는 것입니다. 또한 매개 변수가 많은 (계층 적) 모델의 추정값을 안정화하는 데 도움이됩니다.
—
예브게니
부트 스트랩 분석은 베이지안 분석으로 매우 잘 볼 수 있으므로 귀하의 질문은 "부트 스트랩을 사용하는시기와 다른 베이지안 모델을 사용하는시기"가 될 수 있습니다. : sumsar.net/blog/2015/04/… ). 질문이 있으면 @Yevgeny에 동의하여 모델을 추천하기 전에 특정 문제에 대한 추가 정보가 필요할 것입니다.
—
Rasmus Bååth