15x4 - 15 минут о байесовской статистике

[@dk13462]

Читал _ГП и Методы рационального мышления_ - а вот теперь стало понятнее

[@yanagaeify]

Супер, за короткое время понятно расписал принципы байесовского подхода. Грустненько, что в школе это не преподают

[@denikos4216]

Крутой чувак! Про свадьбу супер ответ!

[@GeneCosSuccessor]

Спасибо, очень четко и понятно!

[@revaluacion]

Я как человек ненаучный и со статистикой после универа не сталкивавшийся, скажу, что лекция классная, но пришлось взять ручку и бумажку, и дважды переслушать, чтобы понять. Без бумажки цифры были непонятны, а термины путались. Я бы спросил в конце, в чём отличие относительной вероятности от байесовского вычисления.

[@nonamenoname1942]

Крайне полезно, спасибо!

[@AntonAlohinsson]

Отлично! Лекции от Глеба давно не было.

[@rilnasinadat8870]

Bien

[@yurist-vlad-obl]

Самый удивительный раздел математики

[@gbrs72]

Очередной рассказ про байесовскую статистику в стиле лучше быть молодым и здоровым чем старым и больным. Пивелью с пихакерами - плохо, а байес с честными учёными - гуд. Хорошо ещё к последнему не приложили дивный чудный мир, который обычно в нагрузку с байесом идёт: публикации отрицательных результатов в лучших журналах мира, пререгистрация каждого чиха в исследованиях (кстати: а априорные вероятности надо пререгистрировать?) (с отказом пивелью выступать в этой же "комплектации"). Наверняка байесовский подход круче. Но победы над бумажным тигром пихакинга утомили... Не понял как байес поможет избежать крупных исследований для слабых эффектов... Но все равно лайк :-)

[@neverpayforcoffee]

Ребята, объясните мне про рак груди. Я вообще не понял расчет. Предположим, 1% машин ездит с тонировкой. Допустим, прибор гаишника определяет тонировку в 80% случаев ("ловит" определнный тип пленки и не ловит другие 20%). Ошибка прибора на "ложноположительный результат", допустим, 10%. Прибор показал, что у меня тонировка. Какова вероятность, что у меня действительно тонировка? Я не понимаю, какое отношение конкретно к данному изменению имеет частота машин с тонировкой и то, определит ли прибор мою тонировку или нет (он ее уже определил!).

[@revaluacion]

Твой пример отличается тем, что ты можешь объективно тут же увидеть, что тонировка у тебя есть (вероятность 100%). Это как в том примере, когда автор показывал монетку слушателям, а сам не знал, что на ней: для слушателей всё ясно, для автора же - всё те же 50 на 50. То есть при байесовском подходе вероятность не объективна, она у разных наблюдателей может быть разной. Возвращаясь к примеру с раком груди, рак однозначно есть или нет, но мы этого точно проверить не можем (в отличии от тонировки). Мы априори предполагаем, что в среднем вероятность болезни 1 к 100 (1%), потом проходит сам эксперимент (момограмма дала положительный результат) => и мы уточняем наши ожидания (стало 7%)

[@neverpayforcoffee]

@@revaluacion я как раз пытаюсь сказать, что нет никакой связи между показателями прибора (как и его достоверностью) *И* долей больных людей в популяции (или количеством тонированных машин. Как и тем, могу ли я заранее сказать, допустимый там уровень тонировки или нет). Показатели прибора БЕЗУСЛОВНЫ. Перемножением он проверяет правдоподобие *какой-то там* априорной гипотезы - что, на мой взгляд, не имеет никакого отношения к постановке диагноза (и тому, что говорят врачи пациентам).

[@hihox]

Допустим перед приборм проехал миллион машин. Из них по условию без тонировки 990 тысяч, с тонировкой 10 тысяч. Ложноположительных срабатываний будет 99 тысяч, истинно положительных 8 тысяч. А теперь возьмём все машины, на которых сработал прибор, и найдём вероятность, что случайно взяв машину из этой группы, действительно обнаружим тонировку. Получается 8÷(99+8)=0,075. То есть реальная вероятность тонировки при срабатывании прибора 7,5%. Надеюсь, пояснил.

[@neverpayforcoffee]

@@hihox здравствуйте, благодарю за разъяснение. понял свою ошибку. ======= Напишу для тех, кто тоже затупил: проблема моя была в интерпретации термина "ложноположительный результат" "по определению" рассчитываемого как процент ошибочно положительных к *гарантированно отрицательным*. = / *специфичность теста* / если не знакомы с опредеением или не заострили внимание (как я), то "на бытовом уровне" есть соблазн рассчитать ложноположительный как отношение 'ошибочно определенных как положительные' ко ВСЕМ определенным положительными. (так интуитивно понятнее и органичнее, но "терминологически" неверно).

[@hihox]

​​@@neverpayforcoffee, рад, что смог подсказать. Эта концепция из терминологическоих может стать интуитивной, если только визуализировать хорошенько, что действительно: при такой априорной вероятности (распрделения больных в популяции) и таких характеристиках теста из всех положительных тестов только 9% будут реально положительными. Иными словами при положительном тесте только 9% вероятноть действительно болеть. Ссори, если где-то повторил мысль, просто понравилось пояснять то, что и сам понял))

[@tso1860]

Чушь. Для любого математика неприемлемо.

[@ДмитрийРмовнер]

пустая лекция ни о чем

[@rilnasinadat8870]

Bien

[@dk13462]

Крутая лекция о байесовской статистике