Innehållsförteckning:
Definition - Vad betyder Bayesian Statistics?
Bayesiansk statistik är en typ av dynamisk sannolikhetsstatistik som ofta används i dagens värld av konstgjord intelligens och maskininlärning. Dessa tekniker försöker gå utöver ren linjär programmering till en mer sannolikhetsstrategi. Bayesisk statistik kompletterar denna idé, eftersom en Bayesiansk statistisk strategi är mer sofistikerad och baserad på en annan sannolikhetsgrund än ”frekventistisk” statistik som har varit den vanligaste typen av statistisk analys som hittills gjorts.
Techopedia förklarar Bayesian Statistics
Frekvensstatistik tar helt enkelt sannolikheten för en given händelse baserad på kända testuppsättningar för ett specifikt nummer. Däremot tar Bayesiansk statistik sannolikhet och tillåter den att uttrycka en "grad av tro" i ett resultat och fastställa resonemang baserat på hypoteser. Bayesiansk statistik var först pionjär på 1770-talet av Thomas Bayes, som skapade Bayes teorem som sätter dessa idéer att fungera.
Ett annat sätt att tänka på Bayesisk statistik är att den använder "villkorade sannolikheter" - det tar flera faktorer med i beräkningen. Tänk på myntkastet, där man kan köra ett stort antal test för att fastställa att den frekventistiska statistiska modellen kommer att vara nära 50 procent varje gång. Bayesiansk statistik kan dock ta villkorade faktorer och tillämpa dem på den ursprungliga frekvenstatistiken. Tänk om man undersöker om det regnade eller inte när man identifierade resultatet av myntkastet? Kan det påverka resultaten i termer av statistiska resultat?
Som regel skulle miljöfaktorer som detta inte förändra resultatet av myntkastningen - men i affärsvärlden, där så många villkorade faktorer påverkar varandra, kan Bayesiansk statistik vara en kraftfull del av att få insikter om data. Det är anledningen till att Bayesian-statistik används så ofta i företagsteknologier.
