Prenderò le tue domande in ordine:
La domanda è: chi sono i bayesiani oggi?
Chiunque analizzi i dati bayesiani e si identifichi come "bayesiano". Proprio come un programmatore è qualcuno che programma e si identifica come "programmatore". Una leggera differenza è che per ragioni storiche bayesiane ha connotazioni ideologiche, a causa della discussione spesso accesa tra i sostenitori delle interpretazioni "frequentiste" della probabilità e i sostenitori delle interpretazioni "bayesiane" della probabilità.
Sono alcune istituzioni accademiche selezionate, dove sai che se ci andrai diventerai bayesiano?
No, proprio come altre parti della statistica hai solo bisogno di un buon libro (e forse un buon insegnante).
In tal caso, sono particolarmente ricercati?
L'analisi dei dati bayesiani è uno strumento molto utile quando si fa la modellazione statistica, che immagino sia un'abilità piuttosto ricercata (anche se le aziende forse non sono specificamente alla ricerca di "bayesiani").
Ci riferiamo solo a pochi statistici e matematici rispettati, e se sì, chi sono?
Ci sono molti statistici rispettati che credo si definirebbero bayesiani , ma quelli non sono i bayesiani.
Esistono persino come tali, questi "bayesiani" puri?
È un po 'come chiedere "Esistono questi programmatori puri"? C'è un articolo divertente chiamato 46656 Varietà di bayesiani , e sicuramente c'è una sana discussione tra i "bayesiani" su molte questioni fondamentali. Proprio come i programmatori possono discutere sul merito di diverse tecniche di programmazione. (A proposito, programma di programmatori puri in Haskell).
Accetterebbero felicemente l'etichetta?
Alcuni lo fanno, altri no. Quando ho scoperto l'analisi dei dati bayesiani ho pensato che fosse il migliore dal momento che il pane a fette (lo faccio ancora) e sono stato felice di definirmi un "bayesiano" (non ultimo per irritare le persone con valore p nel mio dipartimento). Oggi non mi piace il termine, penso che potrebbe alienare le persone in quanto fa sembrare l'analisi dei dati bayesiana come una sorta di setta, cosa che non è, piuttosto che un metodo utile da avere nella tua casella degli strumenti statistici.
È sempre una lusinghiera distinzione?
No! Per quanto ne so, il termine "bayesiano" è stato introdotto dal famoso statista Fisher come termine dispregiativo. Prima si chiamava "probabilità inversa" o semplicemente "probabilità".
Sono matematici con particolari diapositive nelle riunioni, privi di valori p e intervalli di confidenza, facilmente individuabili nella brochure?
Bene, ci sono conferenze nelle statistiche bayesiane e non credo che includano molti valori p. Se troverai le diapositive particolari dipenderà dal tuo sfondo ...
Quanto di una nicchia è essere un "bayesiano"? Ci riferiamo a una minoranza di statistici?
Penso ancora che una minoranza di statistici si occupi delle statistiche bayesiane, ma penso anche che la percentuale stia crescendo.
O l'attuale ismo bayesiano è equiparato alle applicazioni di apprendimento automatico?
No, ma i modelli bayesiani sono usati molto nell'apprendimento automatico. Ecco un grande libro di apprendimento automatico che presenta l'apprendimento automatico da una prospettiva bayesiana / probibalistica: http://www.cs.ubc.ca/~murphyk/MLbook/
Spero che abbia risposto alla maggior parte delle domande :)
Aggiornare:
[C] potresti considerare di aggiungere un elenco di tecniche o premesse specifiche che distinguono le statistiche bayesiane?
Che distinguere statistica bayesiana è l'uso di modelli bayesiani :) Ecco il mio giro su quello che un modello bayesiano è :
Un modello bayesiano è un modello statistico in cui si utilizza la probabilità per rappresentare tutte le incertezze all'interno del modello, sia l'incertezza relativa all'output, sia l'incertezza relativa all'input (alias parametri) al modello. L'intera cosa del teorema precedente / posteriore / di Bayes segue questo, ma secondo me, usare la probabilità per tutto è ciò che lo rende bayesiano (e in effetti una parola migliore sarebbe forse qualcosa di simile a un modello probabilistico).
Ora, i modelli bayesiani possono essere difficili da adattare e ci sono una serie di tecniche computazionali diverse che vengono utilizzate per questo. Ma queste tecniche non sono bayesiane in sé. Per nominare alcune tecniche computazionali:
- Catena Markov Monte Carlo
- Metropolis-Hastings
- Campionamento Gibbs
- Monte Carlo Hamiltoniano
- Bayes variazionale
- Calcolo bayesiano approssimativo
- Filtri antiparticolato
- Approssimazione di Laplace
- E così via...
Chi era il famoso statistico che introdusse il termine "bayesiano" come dispregiativo?
Era presumibilmente Ronald Fisher. L'articolo Quando l'inferenza bayesiana è diventata "bayesiana"? dà la storia del termine "bayesiano".