Subdivisiones en las estadísticas

Question

Yo estaba teniendo una discusión con un profesor de estadística hace un tiempo sobre los diferentes "sabores" de estadísticas (frecuentista, Bayesiano, ...). Él planteó que iba a subdividir las estadísticas en cuatro categorías: no-paramétrico, robusto, frecuentista y Bayesiano de estadísticas. La subdivisión se caracteriza por la cantidad de asunción de los métodos hacen acerca de distribuciones subyacentes (las estadísticas no paramétricas hace ninguno, mientras que Bayesiano hace que esas suposiciones muy explícito).

Yo iba a preguntar si CrossValidated está de acuerdo con esta subdivisión, pero dado que es una cuestión subjetiva, le voy a pedir:

1) esta subdivisión ampliamente reconocido en las estadísticas;

2) hacer el 'mundo real' problema por lo general requieren de un método en particular? Es decir, dado un problema, hay un método más adecuado para resolver el problema o puede múltiples métodos de trabajo para un determinado problema?

Gracias de antemano.

Answer 1

Yo no se considere no paramétricas o robusto como sub-categorías de las estadísticas en la forma en que frecuentista y Bayesiano son, simplemente porque hay métodos frecuentista y Bayesiana no paramétrica y robusta estadísticas. Frecuentista y Bayesiano son genuinos sub-categorías que se basan fundamentalmente en distintas definiciones de probabilidad. Frequentists y Bayesians ambos variar la fuerza de los supuestos realizados en función de los requerimientos de la aplicación.

Así que yo diría que en particular la subdivisión en cuatro categorías no es ampliamente reconocido en las estadísticas. En mi opinión, el método Bayesiano y frecuentista métodos se pueden utilizar para la mayoría de los problemas estadísticos, sin embargo no siempre son igual de útil, por ejemplo si un frecuentista intervalo de confianza o un Bayesiano creíble intervalo es más apropiado depende de si desea hacer una pregunta acerca de qué esperar si el experimento se replica, o ¿qué podemos concluir acerca de las estadísticas como resultado de la particular experimento que hemos realizado (yo sugeriría que en la mayoría de los casos es la última, pero en general, los científicos utilizan frecuentista métodos de todos modos).

Answer 2

Me gustaría que no necesariamente afirmar que esas son las subdivisiones presente en las estadísticas. Si se pulsa, yo diría que Frecuentista frente a Bayesiano es la más clara de la división, a pesar de que hace muy poco confusos en el borde de los casos y la mayoría de las personas , en la práctica, parecen ser una mezcla de los dos.

Robusto y paramétricos o no paramétricos, en realidad, no son divisiones tanto como diferentes herramientas para diferentes problemas. Es verdad que hay personas que sólo trabajan en los problemas que se prestan a la una o la otra, pero que la gente, no las estadísticas reales - y yo diría que ni siquiera la mayoría de la gente. Para usar un ejemplo, yo diría que no hay una "Subdivisión en la carpintería" entre los martillos y destornilladores, aunque yo conozco a un tipo que odia el uso de clavos.

Yo diría que el momento más profundo de la división de estadísticas es como se ve desde la perspectiva de un matemático frente a un dedicado estadístico frente a una diferencia estadísticamente analfabetos aplicada investigador.

Para responder a la segunda parte de su pregunta: a Veces

Hay veces cuando usted debe utilizar un método - debido a que el método fue diseñado para trabajar cuando los demás fallan. Estadísticas exactas vienen a la mente. Pero hay muchas, muchas preguntas donde los múltiples enfoques de trabajo. Por ejemplo, un proyecto en el que estoy trabajando podría ser abordada utilizando Bayesiano o Frecuentista métodos y utilizar un paramétricos, semi-paramétrico o no paramétrico de enfoque. Que de las seis posibles combinaciones de herramientas y creíbles los argumentos para cada uno. Al final, elegí el método que es el más útil para mí, en este proyecto.