В чем разница между интерпретациями Байеса и частотной интерпретацией?

Разница между интерпретациями Байеса и частотной заключается в разных подходах к понятию вероятности. www.machinelearning.ru {10-host}

В частотном подходе предполагается, что случайность — это объективная неопределённость, которую можно уменьшить только путём проведения серии экспериментов. www.machinelearning.ru {10-host} Вероятность события в этом подходе определяется как предел частоты его наступления в серии испытаний. www.machinelearning.ru В качестве оценок неизвестных параметров выступают точечные, реже интервальные оценки. www.machinelearning.ru

В байесовском подходе утверждается, что неопределённость — это следствие субъективного незнания. {10-host} Концепция вероятности в этом подходе шире и описывает разные степени уверенности в том, насколько определённый показатель соответствует реальности. ux-journal.ru В качестве оценок неизвестных параметров выступают апостериорные распределения. www.machinelearning.ru

Ещё несколько отличий:

• Метод вывода. {10-host} В частотном подходе используется метод максимального правдоподобия. {10-host} В байесовском — сама теорема Байеса. {10-host}
• Получаемые оценки. {10-host} В частотном подходе оценка является конкретным числом либо интервалом. {10-host} В байесовском — апостериорным распределением. {10-host}
• Возможности применения в зависимости от числа наблюдений. {10-host} Частотный подход в общем случае требует значительное число наблюдений. {10-host} Байесовский работает при любом числе, даже когда оно равно нулю. {10-host}

При этом байесовский подход переходит в частотный, если число наблюдений становится очень большим. {10-host}