¿Existen diferencias entre los enfoques bayesiano y frecuentista del AED?

Question

En pocas palabras: ¿Existen diferencias entre los enfoques bayesiano y frecuentista del análisis exploratorio de datos?

No conozco ningún sesgo inherente a los métodos EDA, ya que un histograma es un histograma, un diagrama de dispersión es un diagrama de dispersión, etc., ni he encontrado ejemplos de diferencias en la forma de enseñar o presentar EDA (ignorando un artículo especialmente teórico de A. Gelman). Por último, he mirado en CRAN, el árbitro de todas las cosas aplicadas: No he encontrado paquetes adaptados a un enfoque bayesiano. Sin embargo, pensé que en CV podría haber algunas personas que pudieran arrojar luz sobre esto.

¿Por qué debería haber diferencias?

Para empezar:

1. A la hora de identificar las distribuciones a priori adecuadas, ¿no se debería investigar esto visualmente?
2. A la hora de resumir los datos y sugerir si utilizar un modelo frecuentista o bayesiano, ¿no debería el AED sugerir qué dirección tomar?
3. Los dos enfoques tienen diferencias muy claras sobre cómo manejar los modelos de mezcla. Identificar que una muestra procede probablemente de una mezcla de poblaciones es un reto y está directamente relacionado con la metodología utilizada para estimar los parámetros de la mezcla.
4. Ambos enfoques incorporan modelos estocásticos y la selección del modelo depende de la comprensión de los datos. Los datos más complejos o los modelos más complejos requieren más tiempo en EDA. Con estas distinciones entre los modelos estocásticos o los procesos de generación, hay diferencias en las actividades de EDA, así que ¿no debería haber distinciones derivadas de los diferentes enfoques estocásticos?

Nota 1: No me preocupan las filosofías de ninguno de los dos "bandos", sólo quiero resolver las carencias de mi conjunto de herramientas y métodos EDA.

Answer 1

En mi opinión, Bayes frente a los frecuentistas tiene que ver con la inferencia formal, y el análisis exploratorio de datos no es ninguna de las dos cosas.

Ciertamente, cuando se trata de la evaluación del modelo/buen ajuste y del análisis de sensibilidad, en los que yo clasificaría sus puntos (1), (3) y (4), habrá diferencias en la forma de proceder, pero eso se debe a la naturaleza de las diferencias entre el análisis y los métodos computacionales más que a la filosofía.

En cuanto a tu (2), en general no veo que los resultados del AED te apunten hacia el enfoque bayesiano o frquentista, sino que pensaría que lo más importante es el objetivo del estudio.

Para mí, personalmente, el EDA (más la introspección profunda) me orientaría hacia un modelo, y si pudiera encontrar un enfoque frecuentista natural que respondiera razonablemente bien a la cuestión científica, me decantaría por él, pero si, por la naturaleza de la situación, ningún método frecuentista funcionara bien, y si hubiera un previo razonable, utilizaría Bayes.

Answer 2

Creo que, EDA te ayuda a construir un modelo, hacer algunas suposiciones y (si es necesario) actualizar el modelo y sus suposiciones. Selecciono un enfoque pragmático para utilizar el ajuste y la evaluación del modelo.