Re: [ABE-L]: Re: Higgs desapareceu!

Elias, Basilo e Hedibert,

Deixando os paradigmas, princípios e crenças de lado. Eu vejo uma diferença matemática clara entre um modelo Bayesiano e um modelo clássico (não o frequentista).

1. O modelo Bayesiano sempre se reduzirá a um modelo probabilístico. Basta notar o que significa escolher uma probabilidade a priori e utilizar o teorema de Bayes. Alguns usam esse teorema de maneira ad hoc na estatística, mas deixemos isso para lá.

2. O modelo clássico será um modelo meta-probabilístico, pois ele é definido por uma família de modelos probabilísticos. Neste contexto, para cada modelo probabilístico existe uma medida possibilística (que nada tem a ver com probabilidades) relatando seu grau de inconsistência. Inicialmente o grau de inconsistência é zero (possibilidade 1 para todos os modelos) e após observar os dados, temos um grau de inconsistência para cada modelo (e.g., possibilidade perto de zero significaria alto grau de inconsistência).

Colocar uma medida de probabilidade sobre as possíveis medidas do modelo estatístico clássico obriga a voltar para a caixinha da probabilidade única em que o interesse é prever variáveis aleatórias. Sob essa perspectiva, o modelo probabilístico subjacente ao modelo Bayesiano será uma projeção do modelo clássico (não o frequentista). Alguns vão ficar horrorizados com tamanha blasfêmia, a única coisa que posso fazer é me disponibilizar para discutir presencialmente na USP (assuntos como linguagem, filosofia, lógica clássica, lógicas paraconsistentes, lógica Fuzzy, coerência, Teorema de Cox, de Finetti, scoring rules, etc.. são todos bem-vindos).

Basicamente a probabilidade a priori do Bayesiano pode ser relaxada para uma família de prioris que tenham possibilidade 1 e ai temos um modelo clássico em sua essência. Dar uma família de probabilidades a priori pode ser mais efetivo para representar o conhecimento ou crença sobre um determinado assunto do que apenas uma única priori (ter os infinitos momentos conhecidos pode ser uma tarefa difícil, claro que suposições podem ajudar: simetria, etc). Porém, às vezes um dogma obriga a pessoa a voltar para um único modelo probabilístico, neste caso sempre pode-se definir também uma distribuição de probabilidade a priori sobre a família de distribuições a priori para voltar novamente a um único modelo probabilístico subjacente.

Sobre as quantidades clássicas ad hocs... Bom isso depende do que significa ad hoc para cada um. Se um sistema inferencial, como o método de quasi-verossimilhança, tem uma teoria bem desenvolvida em que é possível fazer inferência e verificação da função de estimação, então eu não diria que esse sistema é ad hoc...

Enfim, é uma discussão longa que requer uma lousa grande, muito giz, muita paciência e deixar os dogmas do lado de fora da sala.

Abs,
Alexandre.

2013/12/12 Elias T Krainski <eliaskrainski@yahoo.com.br>

Uma ferramenta a mais para a caixa: data cloning. Fazer likelihood inference usando a Bayesian machinery. Basicamente suponha que vc faz inferencia Bayesiana mas eleva a verossimilhanca a potencia k (numero de clones). Conclusao: media a posteriori converge para EMV e variancia decai a uma funcao de k (se o parametro em questao e' identificavel).

On 12/12/2013 11:48 PM, Basilio de Bragança Pereira wrote:

Sim , mas já que se tem que carregar uma caixa com varias ferramentas
para resolver problemas particulares , porque não adicionar uma
ferramenta multiuso a essa caixa ?
Optar por uma ou outra é coisa passada (do século 20) .Estou com Little
Basilio

Em 12 de dezembro de 2013 20:23, Alexandre Galvão Patriota
<patriota.alexandre@gmail.com <mailto:patriota.alexandre@gmail.com>>

escreveu:

Bom, isso apenas significa que existem campos abertos para pesquisa,
não é nenhum demérito da abordagem em si.

Essa característica, em vez de afugentar os pesquisadores, deveria
estimula-los. Pesquisadores deveriam ser estimulados por problemas
em aberto, controvérsias, tentar explicar comportamentos estranhos,
etc. Quem gosta da teoria já deduzida e pronta para apertar o botão
é o usuário final.

Enfim...

(Enviado via Android)

Em 12/12/2013 18:11, "Basilisk De Braganca Pereira"
<basilio@hucff.ufrj.br <mailto:basilio@hucff.ufrj.br>> escreveu:

Todas são procedimentos adhoc
Não há uma teoria geral como no caso bayesiano.
Basilio
Enviado via iPhone

Em 12/12/2013, às 10:17, Alexandre Galvão Patriota
<patriota.alexandre@gmail.com
<mailto:patriota.alexandre@gmail.com>> escreveu:

Oi Basilio,

Obrigado pela resposta, mas talvez eu não tenha entendido sua
mensagem. Pode-se eliminar parâmetros de perturbação usando
diversas técnicas não-Bayesianas:

1. Qnd a verossimilhança é ortogonal em relação a partição de
interesse o problema é trivial.
2. Pode-se utilizar estatísticas parcialmente suficientes e
parcialmente ancilares: S-suficientes e S-ancilares,
I-suficientes e I-ancilares (utilizando conceitos de modelo
saturado), etc.
3. Funções de pseudo-verossimilhanças (canônica, perfiladas,),
/quasi/-verossimilhanças, etc.

Poderia dar outro exemplo em que não exista alternativa
não-Bayesiana? (ou seja, exemplos em que só existam
metodologias Bayesianas)

2013/12/10 Basilisk De Braganca Pereira <basilio@hucff.ufrj.br
<mailto:basilio@hucff.ufrj.br>>

Eliminação de nuisance parâmetros e um deles.

Enviado via iPhone

Em 10/12/2013, às 12:11, Alexandre Galvão Patriota
<patriota.alexandre@gmail.com
<mailto:patriota.alexandre@gmail.com>> escreveu:

Hedibert,

Poderia citar alguns dos problemas modernos em que não
existe alternativa não-Bayesiana?

Obrigado,
Alexandre.

(Enviado via Android)

Em 09/12/2013 21:50, "Hedibert Freitas Lopes"
<hedibert@im.ufrj.br <mailto:hedibert@im.ufrj.br>> escreveu:

E' uma forma de olhar, mas muito estreita.

Inferencia Bayesiana nao e' a unica coisa que faz o
paradigma Bayesiano um dos paradigmas
estatisticos mais relevantes atualmente. Teoria da
Decisao Bayesiana tambem faz parte. Alem disse,
desculpem-me mas existem varios problemas modernos
que nao precisa nem dizer que e' estatistica
Bayesiana, pois nao existe alternativa nao-Bayesiana.

Abs,
Hedibert

On Mon, 9 Dec 2013 17:37:30 -0200, Wagner Bonat wrote
> Também não vejo como depreciativa, temos tantas e
tantas áreas mesmo
> apenas dentro da estatística .... Não existe mais
ou menos
> importantes todas se complementam de alguma forma
... Veja talvez
> apenas um pensamento ingênuo meu, temos a
Estatística -> Inferência -
> > Inferencia Bayesiana. Por exemplo, sites de
instituições públicas
> fazem essse tipo de divisão naturalmente porque
seria depreciativa ...
>
> Em 9 de dezembro de 2013 16:54, Basilio de Bragança
Pereira <
> basilio@hucff.ufrj.br
<mailto:basilio@hucff.ufrj.br>> escreveu:

>
> > Não ? Sub sub sub ? ????
> >
> >
> > Em 9 de dezembro de 2013 16:44, Vermelho
<vermelho2@gmail.com <mailto:vermelho2@gmail.com>>

escreveu:
> >
> > Desculpe entrar nessa discussão, mas não entendi
a nota do Elias como
> >> depreciativa ou dando menos importância à
Inferência Bayesiana.
> >> Pensei que ele apenas quis dizer que a ciência é
dividida em muitas
> >> áreas, cada uma com sua importância e não uma
mais importante que outra.
> >> Será que sou tão ingênuo?
> >> Abç.
> >>
> >>
> >> Em 9 de dezembro de 2013 16:24, Basilio de
Bragança Pereira <
> >> basilio@hucff.ufrj.br
<mailto:basilio@hucff.ufrj.br>> escreveu:

> >>
> >>> Elias
> >>> Se voce acha Inferencia Bayesiana sub sub sub
,voce nao deve estar a par
> >>> das recentes trabalhos de Efron , Cox ,
Durbin etc sobre como deve ser a
> >>> vista a estatistica. Isso so para citar
"frequentistas " (agora mais
> >>> ecleticos).
> >>> Alem disso nao deve estar a par dos trabalhos
aplicado em engenharia e
> >>> medicina.
> >>> Depois nao adianta reclamar que cientistas da
computação ( data mining ,
> >>> machine learning , pattern recognition etc)
estao tomando o lugar de
> >>> estatisticos.
> >>> Estamos no seculo 21 e nao nos anos 1930
> >>> Basilio
> >>>
> >>>
> >>> Em 9 de dezembro de 2013 11:06, Elias T Krainski <
> >>> eliaskrainski@yahoo.com.br
<mailto:eliaskrainski@yahoo.com.br>> escreveu:

> >>>
> >>>> Higgs publicou pouco mas o que publicou e'
grande. O problema e'
> >>>> publicar pouco e apenas coisas pequenas.
Melhor entao publicar muitas
> >>>> coisas pequenas? Afinal, hoje ha tantas
ramificacoes da ciencia que talvez
> >>>> seja ate' dificil identificar algo grande.
> >>>>
> >>>> Mas, podemos olhar dentro de sub-sub areas da
ciencia. Tomemos
> >>>> inferencia estatistica e a sub-sub-sub-area
inferencia bayesiana: Tivemos
> >>>> bons discussion papers nos ultimos 5 anos.
Acho que cada um (tenho certeza
> >>>> em um deles) representa anos de trabalho intenso!
> >>>>
> >>>> Acho que ainda ha' pesquisadores pensando
grande, mas que, por forca
> >>>> das obrigacoes da produtividade, publicam
resultados parciais ate' o grande
> >>>> gol. Talvez isso seja ruim no sentido de que
dispersa atencao para a
> >>>> publicacao de resultados parciais. Talvez isso
seja bom no sentido de ter
> >>>> algum feedback durante fases o grande projeto.
> >>>>
> >>>>
http://gizmodo.com/peter-higgs-says-he-would-never-
> >>>>> make-it-in-science-toda-1479041093
> >>>>>
> >>>>
> >>>>
> >>>
> >>>
> >>> --
> >>>
> >>> Basilio de Bragança Pereira ,DIC and
PhD(Imperial College), DL(COPPE)
> >>> *UFRJ-Federal University of Rio de Janeiro
> >>> *Titular Professor of Bioestatistics and of
Applied Statistics
> >>> *FM-School of Medicine and COPPE-Posgraduate
School of Engineering and
> >>> HUCFF-University Hospital Clementino Fraga Filho.
> >>>
> >>> *Tel: 55 21 2562-7045/7047/2618/2558
> >>> www.po.ufrj.br/basilio/
<http://www.po.ufrj.br/basilio/>

> >>>
> >>> *MailAddress:
> >>> COPPE/UFRJ
> >>> Caixa Postal 68507
> >>> CEP 21941-972 Rio de Janeiro,RJ
> >>> Brazil
> >>>
> >>>
> >>
> >>
> >> --
> >> Vermelho
> >> F.: (21) 2501 2332 <tel:%2821%29%202501%202332>

- casa
> >> 2142 0473 - IBGE
> >>
> >
> >
> >
> > --
> >
> > Basilio de Bragança Pereira ,DIC and PhD(Imperial
College), DL(COPPE)
> > *UFRJ-Federal University of Rio de Janeiro
> > *Titular Professor of Bioestatistics and of
Applied Statistics
> > *FM-School of Medicine and COPPE-Posgraduate
School of Engineering and
> > HUCFF-University Hospital Clementino Fraga Filho.
> >
> > *Tel: 55 21 2562-7045/7047/2618/2558
> > www.po.ufrj.br/basilio/
<http://www.po.ufrj.br/basilio/>

> >
> > *MailAddress:
> > COPPE/UFRJ
> > Caixa Postal 68507
> > CEP 21941-972 Rio de Janeiro,RJ
> > Brazil
> >
> >
>
> --
> Wagner Hugo Bonat
> LEG - Laboratório de Estatística e Geoinformação
> UFPR - Universidade Federal do Paraná

Hedibert Freitas Lopes, Ph.D.
Associate Professor
Department of Statistical Methods
Institute of Mathematics
Federal University of Rio de Janeiro (UFRJ)

--

Basilio de Bragança Pereira ,DIC and PhD(Imperial College), DL(COPPE)
*UFRJ-Federal University of Rio de Janeiro
*Titular Professor of Bioestatistics and of Applied Statistics
*FM-School of Medicine and COPPE-Posgraduate School of Engineering and
HUCFF-University Hospital Clementino Fraga Filho.

*Tel: 55 21 2562-7045/7047/2618/2558

www.po.ufrj.br/basilio/ <http://www.po.ufrj.br/basilio/>

*MailAddress:
COPPE/UFRJ
Caixa Postal 68507
CEP 21941-972 Rio de Janeiro,RJ
Brazil