Ho un problema di analisi delle decisioni piuttosto complicato che coinvolge test di affidabilità e l'approccio logico (per me) sembra implicare l'uso dell'MCMC per supportare un'analisi bayesiana. Tuttavia, è stato suggerito che sarebbe più appropriato utilizzare un approccio di bootstrap. Qualcuno potrebbe suggerire un riferimento (o tre) che potrebbe supportare l'uso di una tecnica rispetto all'altra (anche per situazioni particolari)? FWIW, ho dati da più fonti disparate e poche / zero osservazioni di errore. Ho anche dati a livello di sottosistema e di sistema.
Sembra che un confronto come questo dovrebbe essere disponibile, ma non ho avuto fortuna a cercare i soliti sospetti. Grazie in anticipo per eventuali suggerimenti.
1
Dato che il bootstrap classico può essere pensato come un metodo di massima verosimiglianza implementato dal computer (cioè una tecnica non bayesiana (piatto precedente)), sarebbe meglio riformulare la tua domanda in qualcosa come "quando usare la tecnica frequentista vs. bayesiana ?" Alcuni retroscena su bootstrap: stats.stackexchange.com/questions/18469/…
—
Yevgeny
Mmm..immagino di non essere d'accordo. Si spera che il "bootstrap" suggerisca specificamente la caratterizzazione dell'intervallo; un po 'più concentrato di un semplice "frequentista". Almeno "bootstrap" terrà a bada la maggior parte dei fanatici religiosi. Inoltre, grazie per il link, ma avevo familiarità con il tuo commento precedente prima di pubblicare questo.
—
Aengus,
Consentitemi di riformulare, avete utili informazioni preliminari o il problema ha una struttura gerarchica (nidificata)? Se è così, allora una tecnica bayesiana è probabilmente migliore (specialmente se il numero di parametri del modello è grande rispetto alla quantità di dati disponibili, quindi la stima trarrebbe beneficio dal "restringimento bayesiano"). In caso contrario, MLE / bootstrap è sufficiente.
—
Evgenij
Immagino che un altro possibile approccio sia quello di usare modelli a effetti misti (ad esempio usando il pacchetto R lme4) per modellare la struttura gerarchica a cui hai accennato. Ciò contribuirebbe anche a stabilizzare le stime per i modelli (gerarchici) con un gran numero di parametri.
—
Evgenij
Un'analisi bootstrap può benissimo essere vista come un'analisi bayesiana, quindi la tua domanda potrebbe quasi essere "Quando usare il bootstrap rispetto a un altro modello bayesiano" (La tua domanda mi ha spinto a scrivere questa interpretazione del bootstrap come modello bayesiano : sumsar.net/blog/2015/04/… ). Alla luce della domanda, concordo con @Yevgeny che probabilmente avremmo bisogno di ulteriori informazioni sul tuo problema specifico prima di poter raccomandare un modello.
—
Rasmus Bååth,