2017. április 05.
A növekvő bayesi kutatások ellenére a statisztikai oktatás szinte mindenütt zömében frekventista alapon folyik. A bayesi módszertan előnye, hogy az a priori eloszlásokkal korábbi ismereteket lehet az analízisbe beépíteni. További előnye, hogy nem kísérleti elrendezések esetén is jól használhatóak, rugalmasak, és az eredmények tényleges valószínűségekként értelmezhetők.
A frekventista statisztikai és adatbányászati módszerek széles körben elterjedtek és szoftveresen is támogatottak, amely alkalmazásukat jelentősen megkönnyíti. A növekvő bayesi kutatások ellenére a statisztikai oktatás szinte mindenütt zömében frekventista alapon folyik. A frekventista statisztika a valószínűséget relatív gyakoriságként értelmezi, míg a bayesi valószínűség egy mennyiség, ami az adott tudást vagy vélekedést kvantifikálja. A bayesi statisztika lényegében egy tanulási folyamat. A bayesi statisztikai tanulás során ötvözik a hipotetiko-deduktív („ top down”) és az induktív („bottom up”) szemléletet. Az adatelemzés során a Bayes-tétel alkalmazásával kombinálják az a priori eloszlásokat és az adatokat. A létrejövő a posteriori eloszlások képletesen szólva egy homokóra középső részének felelnek meg, míg az óra felső része a hipotetiko-deduktív részt képviseli az a priori eloszlásokkal, alsó része pedig az adatok területe az induktív logikával. Az a posteriori eloszlások folyamatosan frissülnek az adatok tükrében. A hagyományos, frekventista statisztika viszont elsősorban induktív metódusnak tekinthető, amely főleg az összegyűjtött adatokon alapszik. A bayesi filozófiát és módszertant nemcsak akkor érdemes használni, ha az adatok nem felelnek meg az előírt feltételeknek, hiszen a frekventista statisztika tárházában is van olyan metodika, amely nem normális eloszlás, heteroszkedaszticitás vagy egyéb feltételeknek meg nem felelés esetén használhatóak. A bayesi módszertan előnye, hogy az a priori eloszlásokkal korábbi ismereteket lehet az analízisbe beépíteni. További előnye, hogy nem kísérleti elrendezések esetén is jól használhatóak, rugalmasak, és az eredmények tényleges valószínűségekként értelmezhetők.