※ 引述《[email protected] (漂浮中...刺蝟)》之铭言： > 研究上会用到的关系, > 需要把Dempster-Shafer和Bayesian的异同处弄清楚。 > 之前对统计的接触其实很少, > 目前只知道两者皆是用於不确定性分析。 > 除了想从头了解这两个方法运作的方式外, > 也希望能了解应用这两个方法来做决策支援时, > 对同样的案例会产生什麽不一样的结果? > 或在哪些情况下会特别适合使用这两个方法? > 希望板上的各位前辈对此有了解的, 能推荐一些 > 文献, 中英文皆可, 麻烦各位了, 谢谢 (_ _) Bayesian 与传统的统计方法, 都是以明确,但可能未知的 机率为基础的. 但 传统的统计方法是以 "固定一个" 未知的群体分布为 条件, 以样本是随机被抽取为基础, 去猜测那未 知而固定的群体分布或群体模型. Bayesian 则是以 "样本是已知的" 为条件,将未知的 群体分布或模型当做随机的物件, 而去进行机率 计算. 因此, 两种统计方法所认定的群体不确定性不一样: 贝氏 学派认为可用机率描述, 甚至认为机率是唯一手段; 而传 统, 或称非贝氏, 或更精确地说是 frequentist, 则认为 群体的 "不确定" 不是本质上的不确定, 只是我们对群体 的知识不足以致 "未知". 但传统 Bayesian 所认为的 "群体不确定性可用唯一的先 验分布 (prior distribution) 描述" 却遭遇许多挑战, 因此有不同解决策略, 包括许多所谓 robust Bayesian, 或 Bayesian robustness 的方法. Dempster-Shafer 的 不完全机率模型也可算是这类方法之一. 不过, 以前我并 没弄清楚这一套理论, 近年来的发展更没有去接触 (因此 迟迟未做回应). 所以, Dempster-Shafer 原来的理论, 是对 Bayesian 统 计方法的修正或扩充, 允许 prior information 不完整, 甚至相互矛盾. 即允许不完整的 prior distribution,或 prior distribution 只被设定在某一范围之内. 而其方 法与其他 robust Bayesian 不同者,在於对可能相互矛盾 之先验讯息的汇总方式. -- 来自统计专业的召唤... 无名小站 telnet://wretch.twbbs.org Statistics (统计方法讨论区) 成大计中站 telnet://bbs.ncku.edu.tw Statistics (统计方法及学理讨论区) 盈月与繁星 telnet://ms.twbbs.org Statistics (统计：让数字说话) 交大资讯次世代 telnet://bs2.twbbs.org Statistics (统计与机率) ★本文未经本人同意请勿转载; 回覆请勿全文引用, 请仅留下直接涉及部分。 -- 夫兵者不祥之器物或恶之故有道者不处君子居则贵左用兵则贵右兵者不祥之器非君子 之器不得已而用之恬淡为上胜而不美而美之者是乐杀人夫乐杀人者则不可得志於天下 矣吉事尚左凶事尚右偏将军居左上将军居右言以丧礼处之杀人之众以哀悲泣之战胜以 丧礼处之道常无名朴虽小天下莫能臣侯王若能守之万物将自宾天地相合以降甘露民莫 之令而自均始制有名名亦既有夫亦将知止知止可以不殆譬道之在天 163.15.188.87海