분석과 현대 확률 이론의 엄격한 배경에서 비롯된 베이지안 통계는 간단하고 이해하기 쉬우 며 잦은 통계는 매우 혼란스럽고 직관적이지 않습니다. 동기 부여 나 신중하게 정의되지 않은 "비밀 사전"을 제외하고는 빈번한 사람들이 실제로 베이지안 통계를 수행하는 것 같습니다.
다른 한편으로, 두 관점을 모두 이해하는 많은 위대한 통계 학자들이 빈번한 관점에 귀속되므로, 내가 이해하지 못하는 것이 있어야합니다. 본인은 베이지안을 포기하고 선언하는 대신, 자주 "그 로크"하려고 시도하는 잦은 관점에 대해 더 배우고 싶습니다.
엄격한 관점에서 잦은 통계를 배우기위한 좋은 참고 자료는 무엇입니까? 이상적으로는 정리가 잘되지 않는 정의 형 책이나 어려운 문제를 찾아서 해결함으로써 올바른 사고 방식을 얻을 수 있습니다. 인터넷 검색 (위키 페이지, .edu / ~ randomprof 사이트의 임의의 PDF 등)을 찾을 수있는 "철학적 내용"을 많이 읽었지만 도움이되지 않았습니다.
1
나는 정확히 당신과 같았습니다! 확률 이론은 확고하지만 통계는 무지하다. 그리고 나는 베이지안 통계 (특히 Christian Robert의 책)에 매료되었습니다. Fourdrinier의 책 amazon.fr/… 에서 잦은 통계를 배웠지 만 프랑스어를 잘 모르겠습니다. "비밀 우선"에 대해 틀렸다는 것을 알려 드리겠습니다.
—
Stéphane Laurent
이것은 매우 광범위한 주제이며 매개 변수 해석의 차이점을 이해하는 것이 중요합니다. 이론적 배경이 강하기 때문에 베이지안 패러다임에서 모수는 임의 변수 인 반면, 빈번한 통계에서는 모수는 추정 할 변수 / 수라는 것을 쉽게 이해할 수 있습니다. 따라서 잦은 사람들이 "비밀 우선"을 사용하는 것만 큼 좋은 것은 없습니다. 당신은 여기에 몇 가지 참조를 찾을 수 있습니다 .