关于Big Bayes Stories和BayesBag的讨论
统计方法学
2014-05-21 v1
摘要
我祝贺所有作者撰写了具有广泛贡献的深刻论文。这些文章展示了贝叶斯推理范式的力量和优雅。特别是，它允许以令人信服的方式纳入先验知识以及层次模型构建。关于后者，Raftery、Alkema和German的贡献非常引人入胜，因为它解决了一系列具有重大公共利益的问题，并提供了世界人口和其他有趣数量的预测及其不确定性区域。他们的方法基于一个层次模型，考虑了各种特征（例如生育率预测）。很难提出一个“更好”的解决方案，该解决方案在解释上同样清晰（与“黑箱机器”相比），并且能够为未来预测提供（基于模型的）不确定性。
引用
@article{arxiv.1405.4977,
title = {Discussion of Big Bayes Stories and BayesBag},
author = {Peter Bühlmann},
journal= {arXiv preprint arXiv:1405.4977},
year = {2014}
}
备注
Published in at http://dx.doi.org/10.1214/13-STS460 the Statistical Science (http://www.imstat.org/sts/) by the Institute of Mathematical Statistics (http://www.imstat.org)