Как перейти к байесовским доверительным интервалам, не потеряв понимание классического частотного вывода

. , " ", . , .

, , : , (confidence intervals). (credible intervals).

the nuts and bolts ( - ), .

: " . . . 0.95, ." , ? , , - .

. , - σ² μ. μ ( ), , , . , μ.

, n X̄. , X̄ N(μ, σ²/n). .

. X̄, μ ( ). , ? X̄, μ. , (-2; 3), - , " , μ = -1, ". , X̄ , , μ . ?

, μ, . μ , . , 95% X̄ . : X̄, 2.5% 97.5% , , μ. , μ, , . μ.



X̄, . X̄ , μ, , μ. , , . μ?

μ . , 95% μ μ ± 2 * std ( std = σ/n^0.5, ). , X̄ ( ), () - μ . , μ, X̄ μ ± 2 * std. X̄ 2 * std.



: , , X̄ ± 2 * std.

, .

. 95% . , , 5% ( 5 100 ) .

, . 1 - . 1 5% .

, .



- , 95%. X̄, . , , , . , credible interval confident interval , ( ) , .

. . , , , ( , ).

. , , μ ~ N(0, 6). , . X̄ μ . , X̄, - - μ. N(μ, σ²/n) ( , ).

, μ₂ , , X̄ ( ). μ, likelihood priors. , , μ = μ_2. μ.

, μ, , 95% (HPDI) . .

, X̄, , . , , , .

---

, . , , .

, , StackExchange.