شاهین

بیزی در برابر فراوانی‌گرا

پیشرفته
به‌روزرسانی ۲۰ تیر ۱۴۰۵ تحریریه شاهین ۳ دقیقه مطالعه
تلفظEN/ˈbeɪziən ˈvɜːrsəs frɪˈkwɛntɪst/

بیزی در برابر فراوانی‌گرا دو مکتب آماری‌اند که به یک داده دو جور نگاه می‌کنند: فراوانی‌گرا احتمال داده را در فرض ثابت می‌سنجد، بیزی احتمال فرض را با دیدن داده به‌روز می‌کند.

این دو مکتب به یک سوال عملی دو جواب متفاوت می‌دهند. فراوانی‌گرا می‌پرسد «اگر تفاوتی نبود، دیدن این داده چقدر بعید بود» و خروجی‌اش مقدار p و بازه اطمینان است؛ این نگاه پیش‌فرض بیشتر ابزارهای کلاسیک آزمایش است. بیزی می‌پرسد «با این داده، احتمال اینکه نسخه B بهتر باشد چقدر است» و خروجی‌اش جمله‌ای مستقیم‌تر و برای مدیر محصول قابل‌فهم‌تر است، اما نیازمند تعیین یک باور اولیه (prior) است که اگر بد انتخاب شود نتیجه را کج می‌کند. هیچ‌کدام مطلقا «درست» نیستند؛ بیزی معمولا نگاه‌کردن پیوسته به نتایج را راحت‌تر می‌کند و روی داده کم شهودی‌تر است، اما فراوانی‌گرا سنتی‌تر و در گزارش‌های استاندارد جاافتاده‌تر است. مهم این است که یک آزمایش را وسط راه از یک مکتب به دیگری نبرید تا نتیجه دلخواه دربیاید.