[論文レビュー] Frequentist vs Bayesian statistics - a non-statisticians view

Maarten H. P. Ambaum|arXiv (Cornell University)|Aug 10, 2012

Statistics Education and Methodologies被引用数 4

ひとこと要約

この論文は、長期間にわたる頻度や理想化された仮定に依存する頻度主義統計よりも、ベイズ統計が現実世界の科学的推論に適していると主張している。コインを投げる例を用いて、頻度主義的手法が実験的バイアスと真の公平性を区別できないのに対し、ベイズ的手法は事前知識を組み込んで観測データに基づく仮説の妥当性を評価できるため、不確実性下での科学的推論に適していることを示している。

ABSTRACT

People who by training end up dealing with probabilities ("statisticians") roughly fall into one of two camps. One is either a frequentist or a Bayesian. To a scientist, who needs to use probabilities to make sense of the real world, this division seems sometimes baffling. I will argue that science mostly deals with Bayesian questions. Yet the dominance of frequentist ideas in statistics points many scientists in the wrong statistical direction.

研究の動機と目的

• 実際の推論における限界にもかかわらず、科学的研究における頻度主義統計の優位性に挑戦すること。
• 科学的仮説（たとえばコインの公平性）に関する問いは本質的にベイズ的であることを示し、事前信念と更新された妥当性の評価を必要とすること。
• 頻度主義的有意性検定が、現実世界の実験において誤解を招き、誤った結論を導く傾向があることの説明。
• 不確実性下での科学的推論に、ベイズ的推論がより適切なフレームワークであると提唱すること。
• 気候科学、心理学、物理学などの分野において、p値と帰無仮説の有意性検定が科学者をどのように誤導するかを強調すること。

提案手法

• 頻度主義とベイズ的解釈の確率を対比するため、コイン投げ実験を事例として用いる。
• ベイズの定理を用いて、観測データ（13回表、7回裏）のもとでコインが公平であるという事後確率を計算する。
• 帰無仮説（コインが公平）のもとでの極端な結果の頻度を評価するために、頻度主義的p値を計算する。
• 公平なコイン（p=0.5）と偏ったコイン（p=0.65）の両仮説のもとでの観測データの尤度を比較する。
• コインの公平性に関する初期の信念を表現するための事前分布を用い、観測データに基づいてそれを更新する。
• 同じデータでも、事前知識を組み込むかどうかによって異なる結論が得られることを図示する。

実験結果

リサーチクエスチョン

• RQ1 なぜ頻度主義的手法は、仮説の妥当性に関する真の科学的問いにしばしば答えられないのか？
• RQ2 ベイズ分析における事前知識の組み込みが、頻度主義的有意性検定に比べて推論をどのように改善するのか？
• RQ3 同じ実験的結果が、分析が頻度主義的かベイズ的かによって異なる解釈を受け取り得るか？
• RQ4 なぜ確率の長期頻度解釈が現実世界の科学的実験には不適切なのか？
• RQ5 p値と有意性検定が、気候科学や心理学などの分野で科学者をどの程度誤導するのか？

主な発見

• 公平なコインで13回表、7回裏が出る確率は約7.4％であり、これは帰無仮説を単独で棄却するにはあまりに高く、稀ではない。
• 偏ったコイン（p=0.65）のもとでは、同じ結果が出る確率は約18.4％であり、公平なコイン仮説のもとよりも2倍以上高い。
• 観測データが偏ったモデルのもとでより起こりやすいにもかかわらず、科学者たちは通常、コインが公平であるという強い事前信念を持っているため、依然としてコインが公平だと信じる。
• 頻度主義的アプローチは、ランダムなばらつきを伴う公平なコインと、バイアスがかかる実験設定を区別できないため、設計上の根本的欠陥を露呈している。
• ベイズ分析は、たとえば「コインは通常公平である」といった事前知識をうまく組み込んで、仮説の妥当性についてより現実的な評価を可能にする。
• 論文は、仮説が不完全な知識と不確実性の下で評価される科学の実際のニーズに、ベイズ統計がより適していると結論づけている。