Saya akan menjawab pertanyaan Anda:
Pertanyaannya adalah, Siapakah orang Bayesian hari ini?
Siapa pun yang melakukan analisis data Bayesian dan mengidentifikasi diri sebagai "Bayesian". Sama seperti seorang programmer adalah seseorang yang memprogram dan mengidentifikasi diri sebagai "programmer". Sedikit perbedaan adalah bahwa untuk alasan historis, Bayesian memiliki konotasi ideologis, karena argumen yang sering memanas antara para pendukung interpretasi probabilitas "frequentist" dan para pendukung interpretasi probabilitas "Bayesian".
Apakah mereka beberapa lembaga akademik terpilih, di mana Anda tahu bahwa jika Anda pergi ke sana Anda akan menjadi orang Bayesian?
Tidak, sama seperti bagian statistik lainnya, Anda hanya perlu buku yang bagus (dan mungkin guru yang baik).
Jika demikian, apakah mereka secara khusus dicari?
Analisis data Bayesian adalah alat yang sangat berguna ketika melakukan pemodelan statistik, yang saya bayangkan adalah keterampilan yang cukup dicari, (bahkan jika perusahaan mungkin tidak secara spesifik mencari "Bayesians").
Apakah kita merujuk pada beberapa ahli statistik dan matematikawan yang disegani, dan jika demikian siapa mereka?
Ada banyak ahli statistik terhormat yang saya percaya akan menyebut diri mereka orang Bayesian , tetapi mereka bukan orang Bayesian.
Apakah mereka ada seperti ini, "Bayesians" murni ini?
Itu agak seperti bertanya "Apakah programmer murni ini ada"? Ada artikel lucu yang disebut 46656 Varietas Bayesians , dan tentu saja ada argumen sehat di antara "Bayesians" mengenai banyak masalah mendasar. Sama seperti programmer dapat berdebat tentang kelebihan teknik pemrograman yang berbeda. (BTW, program programmer murni di Haskell).
Apakah mereka akan dengan senang hati menerima label?
Ada yang melakukannya, ada yang tidak. Ketika saya menemukan analisis data Bayesian, saya pikir itu yang terbaik sejak roti irisan (saya masih melakukannya) dan saya senang menyebut diri saya seorang "Bayesian" (paling tidak untuk membuat marah orang-orang p-value di departemen saya). Saat ini saya tidak suka istilah itu, saya pikir itu mungkin mengasingkan orang karena membuat analisis data Bayesian terdengar seperti semacam kultus, yang bukan, bukan metode yang berguna untuk memiliki dalam kotak peralatan statistik Anda.
Apakah itu selalu merupakan perbedaan yang menyanjung?
Nggak! Sejauh yang saya tahu, istilah "Bayesian" diperkenalkan oleh ahli statistik terkenal Fisher sebagai istilah yang merendahkan. Sebelum itu disebut "probabilitas terbalik" atau hanya "probabilitas".
Apakah mereka ahli matematika dengan slide khusus dalam rapat, kehilangan nilai p dan interval kepercayaan, mudah terlihat pada brosur?
Nah, ada konferensi dalam statistik Bayesian, dan saya tidak berpikir mereka memasukkan banyak nilai-p. Apakah Anda akan menemukan slide yang aneh akan tergantung pada latar belakang Anda ...
Berapa banyak ceruk menjadi "Bayesian"? Apakah kita mengacu pada minoritas ahli statistik?
Saya masih berpikir sebagian kecil ahli statistik berurusan dengan statistik Bayesian, tetapi saya juga berpikir proporsinya bertambah.
Atau apakah Bayesian-isme saat ini disamakan dengan aplikasi pembelajaran mesin?
Tidak, tetapi model Bayesian banyak digunakan dalam pembelajaran mesin. Berikut ini adalah buku pembelajaran mesin yang hebat yang menyajikan pembelajaran mesin dari perspektif Bayesian / probibalistic: http://www.cs.ubc.ca/~murphyk/MLbook/
Harapan itu menjawab sebagian besar pertanyaan :)
Memperbarui:
[C] apakah Anda dapat mempertimbangkan untuk menambahkan daftar teknik atau tempat khusus yang membedakan statistik Bayesian?
Yang membedakan statistik Bayesian adalah penggunaan model Bayesian :) Berikut adalah putaran saya tentang apa model Bayesian adalah :
Model Bayesian adalah model statistik di mana Anda menggunakan probabilitas untuk mewakili semua ketidakpastian dalam model, baik ketidakpastian tentang output tetapi juga ketidakpastian mengenai input (alias parameter) ke model. Keseluruhan teorema sebelum / posterior / Bayes mengikuti ini, tetapi menurut saya, menggunakan probabilitas untuk semuanya adalah apa yang membuatnya Bayesian (dan memang kata yang lebih baik mungkin hanya akan menjadi sesuatu seperti model probabilistik).
Sekarang, model Bayesian mungkin sulit untuk dipasangkan , dan ada sejumlah teknik komputasi yang berbeda yang digunakan untuk ini. Tetapi teknik-teknik ini tidak dalam Bayesian sendiri. Untuk memberi nama pada beberapa teknik komputasi:
- Rantai Markov Monte Carlo
- Metropolis-Hastings
- Pengambilan sampel Gibbs
- Hamiltonian Monte Carlo
- Teluk Variasional
- Perkiraan perhitungan Bayesian
- Filter partikel
- Laplace aproksimasi
- Dan seterusnya...
Siapa ahli statistik terkenal yang memperkenalkan istilah 'Bayesian' sebagai penghinaan?
Itu seharusnya Ronald Fisher. Makalah Kapan kesimpulan Bayesian menjadi "Bayesian"? memberikan sejarah istilah "Bayesian".