大话统计：Frequentist or Bayesian

本文引自施涛的博客，其中重要的英文都进行了翻译，原文请点击此处

前言：先向无法科学上网的客官作揖抱歉了，有些江湖野史可能被墙

话说江湖风云人物，神算子 Nate Silver， 在纽约时报开博占卜各项江湖话题，每每言中。并著书立传， The Signal and the Noise，一时引来各相追捧。

这日，曾留下武林秘籍 All of Statistics: A Concise Course in Statistical Inference 的大侠 Larry Wasserman (Department of Statistics, Department of Machine Learning, Carnegie Mellon University) 突发感想，在自己博客 Normal Deviate 中写下大号书评：

Nate Silver is a Frequentist: Review of “the signal and the noise”

[……] 就如你可以看到的，我非常喜欢这本书，并强烈推荐它。

我有一点要倾诉。Silver 非常热衷于贝叶斯推断，这是很好的。不幸的是，他属于我前几篇文章所写的这一类人—— 混淆了 “贝叶斯推理” 与“使用贝叶斯定理”两个概念。他对于频率派统计推断的描述是比较糟的。他似乎把频率推断等同于了常用于正态分布的费歇尔显著性检验。也许他是从一本劣质的书中学习的统计学，抑或他天天跟一群激进的反频率学派的统计学家厮混，以至于持这样的观点。

但毫无疑问的是：Nate Silver 是属于频率派的。比如，他说过：

“预测中最重要的检验之一，而我认为又是重中之重的，便是校准 (calibration)。虽然每次你说有 40% 的概率会下雨，而实际上雨会多久下一次呢？如果在整个预测时程中（从长远来看），真的大约有 40% 的时间在下雨，那么这意味着你的预测充分校准（误差很小）。”

这绝对是一种频率派的观点。如果使用贝叶斯定理可以有助于实现长程频率校准，那没问题，也挺好。如果没有，我便毫不怀疑他用了别的东西。总之他的目标很明确，就是得到优良的长期频率行为。[……]

一时间风雨突起，这个关于 Frequentist or Bayesian 的争议话题又现江湖。第一个杀出来的是？没错！正是大侠 Andrew Gelman (Department of Statistics, Columbia University)，著名的 Statistical Modeling, Causal Inference, and Social Science 的博主。

Larry：

下面是一个预测概率的贝叶斯校准的例子。如果你用贝叶斯预测值 p.hat（p.hat 是后验期望 E (y.new|y)）来预测一个二元结果 y.new，贝叶斯校准需要的条件是对于任何的 y.hat 值都必须满足 E (y.new|y.hat) = y.hat。但这并不是全部需要满足的条件（比如，校准很重要，精度也很重要），它与频率派校准以及无偏性都不同。在频率派校准中，期望值依赖模型中未知参数θθ的取值。而你上述所言的校准（可以往下滚动看看另外一个例子）并不依赖参数θθ，所以我并不同意这些校准是频率派而不是贝叶斯派的说法。当然，我完全同意评价频率表现的概念是非常重要的，不过它只是贝叶斯校准没有依赖于参数θθ取值的情况而已。

江湖不宁，争论又起，各路人马加入论战。大侠 XI’AN’ OG 也出面提出把这场论战记入江湖册：

如果有可能的话，你们介意把这些评述发表在 CHANCE 上么？

看大侠们挥舞这各项理论和哲学思想，小的不尽倒吸一口凉气。问题原来是神算子是否属于少林派，还是武当派。怎么忽然就变成各派根据其所著之书，来统计推断其个人取向了呢？然后有演变为了两派镇派宝典根基的争论了。要是实在关心神算子心仪那派的问题，不如找来神算子本人问一下，到底人家对哪里更有归属感，不就行了。实在找不到本人，就 @他，tweet 一下好了。

笔者觉得频率派像少林派，拳谱放哪里，你有足够数据就打，不够就回去收集更多的或回家洗洗睡。贝叶斯派则像太极拳，讲究以柔克刚。不管什么问题，有无数据都能对付。频率派与贝叶斯派间的硝烟仍在继续，不过何时使用频率派方法，何时使用贝叶斯派方法，还真是一个艺术问题。你就觉得呢？

敬告各位友媒，如需转载，请与统计之都小编联系（直接留言或发至邮箱：[email protected]），获准转载的请在显著位置注明作者和出处（转载自：统计之都），并在文章结尾处附上统计之都微信二维码。

发表 / 查看评论