6125495050

Rozdział I [15]

Statystyka - zastosowania biznesowe i społeczne

„zwykłe” estymatory (średnie z próbki). Podejście bayesowskie pozwala „pożyczać informację" z innych obszarów, a także z innych okresów czasu. Zakłada się, że z każdym małym obszarem związany jest nieznany parametr, który staramy się estymować. Obserwacje pochodzące z określonego obszaru mają rozkład prawdopodobieństwa zależny od odpowiadającego temu obszarowi parametru. Parametry, zgodnie z filozofią bayesowską, traktuje się jako zmienne losowe. To podejście znajduje coraz szersze zastosowanie w praktyce statystycznej.

Ogólnie można stwierdzić, że paradygmat bayesowski jest podejściem modelującym, wykorzystującym wszystkie dostępne informacje potrzebne do rozwiązania danego zagadnienia. Znajduje on coraz szersze zastosowania w różnych badaniach i analizach statystycznych. Sprzyja rozwojowi tego podejścia nowoczesna technika obliczeniowa, a także coraz szersze możliwości wykorzystania danych z innych źródeł.

Praktyka analiz bayesowskich została obszernie przedstawiona w wielu opracowaniach naukowych, dostępna jest także w Internecie w języku polskim²², z której korzystałem w tym opracowaniu, a tu wskażę jeszcze na monografię Frencha i Smitha (1997), w gdzie w dość rzetelny sposób została zaprezentowana zarówno teoria jak i praktyka analiz bayesowskich. Natomiast rozwój idei bayesizmu szeroko omówił w swojej w pracy Fienberg (2006)²³.

1.2. Podejście czystościowe (klasyczne)

Podejście częstościowe (klasyczne) zaczęło rozwijać się w drugiej i trzeciej dekadzie ubiegłego wieku, a w praktyce zostało zastosowane na szeroką skalę w latach 1950-1990. Nawiązuje ono do podejścia Bernoulliego przy formułowaniu prawdopodobieństwa, a także przy rozwinięciu wnioskowania statystycznego. Szczególny wpływ na powstanie tego podej ścia w latach dwudziestych i trzydziestych ubiegłego wieku miał R.A. Fishera²⁴ (1925, 1930, 1956). Zrewolucjonizował teorię statystyki i zainicjował teorię estymacji i wnioskowania (Kuusela, 2011). Poza tym wprowadził nowy model wnioskowania statystycznego, który jest nadal dominujący paradygmatem. Centralna idea jest oparta na pobieraniu próbek z tej samej

22    Źródło: http://el.us.edu.pl/ekonofizyka/index.php/Statystyka_w_uj%C4%99ciu_Bayesowskim (data dostępu 2014.10.01).

23    Bogate linki do literatury o tematyce Bayesowskiej zawierają strony: (1) International Society for Bayesian Analysis. (2) MacKay DJ.C. (2003), Information Theory, Inference andLearningAlgorithms, Cambridge University Press, (3) Neal R.M. (1993), Probabilistic inference using Markov Chain Monte Carlo methods, ftp://www.cs.toronto.edu/pub/radford/review.pdf (data dostępu 2014.10.01).

24    Źródło: http://searchsuggests.eom/search/R.A.%20Fisher (data dostępu 2014.10.01).