We got many wisdom pearls from D. Gilboa's keynote on objective probabilities and empirical similarity. He is at HEC and Tel-Aviv U:
A progression of prediction problems
1. Coin toss
2. Car stolen overnight
3. Survive the surgery
4. Iran invasion
Yes every experiment is unique, but in some cases (1 and 2) we are ready to admit the iid assumption.
The iid condition has two parts, the first i relates to similarity (untenable for 3 and 4), the second i relates to causal independance (untenable for 4 only).
Generally, causal independance fails in macroeconomics and politics.
Issues with subjective probability:
1/ it's subjective, there is no relation to evidence
2/ in many situations preferences are not complete until probabilities are assessed
In this field, axiomatization is the name of the game (but what is good axiomatization is communication between Editor, Referee and Author).
The paper is about computing empirical frequencies, giving more weight to cases that are more similar to you. My axiom is: when you merge the databases, the result is a convex combination of separate results.
Idée de papier:
Comparer l'inférence stastique en probabilité imprécise avec imprecise Dirchlet et disc(1A, f(n)).
Utiliser des données d'essais cliniques, il semble qu'il y en a plein d'accessible, contrairement aux données d'éco expé.
2 commentaires:
tu es sur pour 2 que les expériences sont indépendantes et distribuées identiquement?
la théorie de la fenêtre brisée est (en gros si j'ai bien saisi) que si on laisse faire, les crimes et délits se généralisent
Hoa Dung
En effet du point de vue individuel, c'est toujours difficile d'être générique. En pratique ce sont les assureurs qui se posent ce problème, et ils y répondent avec des fréquences empiriques.
On tient naturellement compte du quartier, du type de voiture et du garage dans la population de référence.
Enregistrer un commentaire