m*****e
发帖数: 207 | 1 this (likelihood principle example ) is a nice one from James Berger's book
"Statistical Decision Theory and Bayesian Analysis, 2nd ed"
as chenhm said, there are a lot of other Bayesian/Frequentist disputes
which he didn't mention.
I happened to be reading Berger's book these days since I've been thinking
about a paradox at http://www.math.washington.edu/~burdzy/Bayes/prisoner.shtml
and http://www.math.washington.edu/~burdzy/Bayes/ethics.shtml It might be a
slap on the faces of Bayesian peopl | c****m
发帖数: 91 | 2 本来只是业余玩票性质的,被你这么一搞只好去那个网站看看了,不过偶基本没
搞明白那个例子是怎么反对使用Bayes inference的,偶倒设想这个问题可以转化
为用game theory来解释,用Berger书上的minimax,也不太sure,等专业人士来教导吧.
What I do care is the principle in inductive/transductive learning (i.e.,
learning how to learn for those CLT people majoring CS): Bayesian is one
way of doing it (in model selection), VC theory and MDL are very attractive
also. 偶不习惯以公理体系那套东东思考概率,觉得有意义的是algorithmic randomness.
When facing a decision problem (e.g., just multiple composite hypothesis
testing,见4536,
【在 m*****e 的大作中提到】
: this (likelihood principle example ) is a nice one from James Berger's book
: "Statistical Decision Theory and Bayesian Analysis, 2nd ed"
: as chenhm said, there are a lot of other Bayesian/Frequentist disputes
: which he didn't mention.
: I happened to be reading Berger's book these days since I've been thinking
: about a paradox at http://www.math.washington.edu/~burdzy/Bayes/prisoner.shtml
: and http://www.math.washington.edu/~burdzy/Bayes/ethics.shtml It might be a
: slap on the faces of Bayesian peopl
| m*****e
发帖数: 207 | 3
hoho, 大家都是业余，都是业余。。。你那个GLRT的偶看了，不太熟悉，不过偶
记得总是可以用chisqaure的，去查查google或者参考书吧。
那个paradox偶是这么理解的（加上了偶自己推的一些结果）：
有两个瓮，分别都装了一千个球，白色或者黑色。
第一个瓮的球是一个一个装的，每次随机放一个黑球或白球进去，各占1/2的概率
。（所以白球数满足二项分布）。第二个瓮的颜色分布是已知的：490个白球，510
个黑球。
现在让你从第一个瓮里任选999个，然后给你看它们的颜色，假如你看到479个白球。
然后给你两个选择：要么选第一个瓮里剩的那个球，要么从第二个瓮里随便拿一个球。
这个球是白色你就赢（生存），是黑色你就输（死亡）。
同时，这个试验（游戏）还要给其他99个人做，但是互相之间不许交流。另外，很重
要的一点：第一个瓮最开始放满以后就不再拿出来重新sample了（就是说每个游戏者
面对的是同样的第一个瓮）。
问题来了：
1)你是个“被噎死派”（Bayesian），假如你的目的就是你自己赢，那么应该选第一个
瓮的最后一个球，因为你赢的可能性是一半；而从第二个瓮里拿球只有49%的
【在 c****m 的大作中提到】
: 本来只是业余玩票性质的,被你这么一搞只好去那个网站看看了,不过偶基本没
: 搞明白那个例子是怎么反对使用Bayes inference的,偶倒设想这个问题可以转化
: 为用game theory来解释,用Berger书上的minimax,也不太sure,等专业人士来教导吧.
: What I do care is the principle in inductive/transductive learning (i.e.,
: learning how to learn for those CLT people majoring CS): Bayesian is one
: way of doing it (in model selection), VC theory and MDL are very attractive
: also. 偶不习惯以公理体系那套东东思考概率,觉得有意义的是algorithmic randomness.
: When facing a decision problem (e.g., just multiple composite hypothesis
: testing,见4536,
|
|
