※ 引述《[email protected] (漂浮中...刺蝟)》之銘言： > 研究上會用到的關係, > 需要把Dempster-Shafer和Bayesian的異同處弄清楚。 > 之前對統計的接觸其實很少, > 目前只知道兩者皆是用於不確定性分析。 > 除了想從頭了解這兩個方法運作的方式外, > 也希望能了解應用這兩個方法來做決策支援時, > 對同樣的案例會產生什麼不一樣的結果? > 或在哪些情況下會特別適合使用這兩個方法? > 希望板上的各位前輩對此有瞭解的, 能推薦一些 > 文獻, 中英文皆可, 麻煩各位了, 謝謝 (_ _) Bayesian 與傳統的統計方法, 都是以明確,但可能未知的 機率為基礎的. 但 傳統的統計方法是以 "固定一個" 未知的群體分布為 條件, 以樣本是隨機被抽取為基礎, 去猜測那未 知而固定的群體分布或群體模型. Bayesian 則是以 "樣本是已知的" 為條件,將未知的 群體分布或模型當做隨機的物件, 而去進行機率 計算. 因此, 兩種統計方法所認定的群體不確定性不一樣: 貝氏 學派認為可用機率描述, 甚至認為機率是唯一手段; 而傳 統, 或稱非貝氏, 或更精確地說是 frequentist, 則認為 群體的 "不確定" 不是本質上的不確定, 只是我們對群體 的知識不足以致 "未知". 但傳統 Bayesian 所認為的 "群體不確定性可用唯一的先 驗分布 (prior distribution) 描述" 卻遭遇許多挑戰, 因此有不同解決策略, 包括許多所謂 robust Bayesian, 或 Bayesian robustness 的方法. Dempster-Shafer 的 不完全機率模型也可算是這類方法之一. 不過, 以前我並 沒弄清楚這一套理論, 近年來的發展更沒有去接觸 (因此 遲遲未做回應). 所以, Dempster-Shafer 原來的理論, 是對 Bayesian 統 計方法的修正或擴充, 允許 prior information 不完整, 甚至相互矛盾. 即允許不完整的 prior distribution,或 prior distribution 只被設定在某一範圍之內. 而其方 法與其他 robust Bayesian 不同者,在於對可能相互矛盾 之先驗訊息的彙總方式. -- 來自統計專業的召喚... 無名小站 telnet://wretch.twbbs.org Statistics (統計方法討論區) 成大計中站 telnet://bbs.ncku.edu.tw Statistics (統計方法及學理討論區) 盈月與繁星 telnet://ms.twbbs.org Statistics (統計：讓數字說話) 交大資訊次世代 telnet://bs2.twbbs.org Statistics (統計與機率) ★本文未經本人同意請勿轉載; 回覆請勿全文引用, 請僅留下直接涉及部分。 -- 夫兵者不祥之器物或惡之故有道者不處君子居則貴左用兵則貴右兵者不祥之器非君子 之器不得已而用之恬淡為上勝而不美而美之者是樂殺人夫樂殺人者則不可得志於天下 矣吉事尚左凶事尚右偏將軍居左上將軍居右言以喪禮處之殺人之眾以哀悲泣之戰勝以 喪禮處之道常無名樸雖小天下莫能臣侯王若能守之萬物將自賓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將知止知止可以不殆譬道之在天 163.15.188.87海