Este artículo tiene varios problemas. Ayude a mejorarlo o discuta estos problemas en la página de discusión . ( Obtenga información sobre cómo y cuándo eliminar estos mensajes de plantilla )
|
La inferencia fiducial es uno de varios tipos diferentes de inferencia estadística . Estas son reglas, destinadas a la aplicación general, mediante las cuales se pueden extraer conclusiones a partir de muestras de datos. En la práctica estadística moderna, los intentos de trabajar con inferencia fiducial han pasado de moda a favor de la inferencia frecuentista , la inferencia bayesiana y la teoría de la decisión . Sin embargo, la inferencia fiducial es importante en la historia de la estadística ya que su desarrollo condujo al desarrollo paralelo de conceptos y herramientas en estadística teórica.que son ampliamente utilizados. Algunas investigaciones actuales en metodología estadística están explícitamente vinculadas a la inferencia fiducial o están estrechamente relacionadas con ella.
El enfoque general de la inferencia fiducial fue propuesto por Ronald Fisher . [1] [2] Aquí "fiducial" viene del latín para la fe. La inferencia fiducial se puede interpretar como un intento de realizar una probabilidad inversa sin recurrir a distribuciones de probabilidad previas . [3] La inferencia fiducial atrajo rápidamente controversias y nunca fue ampliamente aceptada. [4] De hecho, pronto se publicaron contraejemplos a las afirmaciones de Fisher sobre inferencia fiducial. [ cita requerida ] Estos contraejemplos ponen en duda la coherencia de la "inferencia fiducial" como un sistema de inferencia estadística ológica inductiva . Otros estudios mostraron que, donde se dice que los pasos de la inferencia fiducial conducen a "probabilidades fiduciales" (o "distribuciones fiduciales"), estas probabilidades carecen de la propiedad de aditividad y, por lo tanto, no pueden constituir una medida de probabilidad . [ cita requerida ]
El concepto de inferencia fiducial se puede esbozar comparando su tratamiento del problema de la estimación de intervalos en relación con otros modos de inferencia estadística.
Fisher diseñó el método fiducial para resolver los problemas percibidos con el enfoque bayesiano, en un momento en que el enfoque frecuentista aún no se había desarrollado por completo. Dichos problemas se relacionan con la necesidad de asignar una distribución previa a los valores desconocidos. El objetivo era tener un procedimiento, como el método bayesiano, cuyos resultados aún pudieran recibir una interpretación de probabilidad inversa basada en los datos reales observados. El método procede intentando derivar una "distribución fiducial", que es una medida del grado de fe que se puede poner en cualquier valor dado del parámetro desconocido y es fiel a los datos en el sentido de que el método utiliza toda la información disponible. .
Desafortunadamente, Fisher no dio una definición general del método fiducial y negó que el método siempre pudiera aplicarse. [ cita requerida ] Sus únicos ejemplos fueron para un solo parámetro; Se han dado diferentes generalizaciones cuando hay varios parámetros. Quenouille (1958) ofrece una presentación relativamente completa del enfoque fiducial de la inferencia, mientras que Williams (1959) describe la aplicación del análisis fiducial al problema de calibración (también conocido como "regresión inversa") en el análisis de regresión . [5] Kendall y Stuart (1973) ofrecen más información sobre la inferencia fiducial. [6]
Fisher requirió la existencia de una estadística suficiente para que se aplicara el método fiducial. Suponga que hay una única estadística suficiente para un solo parámetro. Es decir, suponga que la distribución condicional de los datos dada la estadística no depende del valor del parámetro. Por ejemplo, suponga que n observaciones independientes se distribuyen uniformemente en el intervalo . El máximo, X , de las n observaciones es un estadístico suficiente para ω. Si solo se registra X y se olvidan los valores de las observaciones restantes, es igualmente probable que estas observaciones restantes hayan tenido algún valor en el intervalo. Esta declaración no depende del valor de ω. Entonces X contiene toda la información disponible sobre ω y las otras observaciones podrían no haber proporcionado más información.
La función de distribución acumulativa de X es
Pueden hacerse enunciados de probabilidad sobre X / ω. Por ejemplo, dado α , se puede elegir un valor de a con 0 < a <1 tal que
Por lo tanto
Entonces Fisher podría decir que esta afirmación puede invertirse en la forma
En esta última afirmación, ω ahora se considera variable y X es fijo, mientras que anteriormente era al revés. Esta distribución de ω es la distribución fiducial que puede usarse para formar intervalos fiduciales que representan grados de creencia.
El cálculo es idéntico al método fundamental para encontrar un intervalo de confianza, pero la interpretación es diferente. De hecho, los libros más antiguos usan los términos intervalo de confianza e intervalo fiducial de manera intercambiable. [ cita requerida ] Observe que la distribución fiducial se define de forma única cuando existe una única estadística suficiente.
El método pivotal se basa en una variable aleatoria que es función tanto de las observaciones como de los parámetros, pero cuya distribución no depende del parámetro. Estas variables aleatorias se denominan cantidades fundamentales . Al usarlos, se pueden hacer enunciados de probabilidad sobre las observaciones y los parámetros en los que las probabilidades no dependen de los parámetros y estos pueden invertirse resolviendo los parámetros de la misma manera que en el ejemplo anterior. Sin embargo, esto solo es equivalente al método fiducial si la cantidad fundamental se define de manera única en función de una estadística suficiente.
Un intervalo fiducial podría tomarse como un nombre diferente para un intervalo de confianza y darle la interpretación fiducial. Pero la definición podría no ser única. [ cita requerida ] Fisher habría negado que esta interpretación sea correcta: para él, la distribución fiducial tenía que definirse de forma única y tenía que utilizar toda la información de la muestra. [ cita requerida ]
Fisher admitió que la "inferencia fiducial" tenía problemas. Fisher escribió a George A. Barnard que "no tenía la cabeza clara" acerca de un problema de inferencia fiducial, [7] y, también escribiendo a Barnard, Fisher se quejó de que su teoría parecía tener sólo "un enfoque asintótico de la inteligibilidad". . [7] Más tarde, Fisher confesó que "todavía no entiendo lo que hace la probabilidad fiducial. Tendremos que vivir con ella mucho tiempo antes de saber lo que está haciendo por nosotros. Pero no debe ignorarse solo porque no sin embargo, tiene una interpretación clara ". [7]
Lindley [ cita requerida ] [8] mostró que la probabilidad fiducial carecía de aditividad, por lo que no era una medida de probabilidad . Cox señala [9] que el mismo argumento se aplica a la llamada " distribución de confianza " asociada con los intervalos de confianza , por lo que la conclusión que se puede extraer de esto es discutible. Fisher esbozó "pruebas" de resultados usando probabilidad fiducial. Cuando las conclusiones de los argumentos fiduciales de Fisher no son falsas, se ha demostrado que muchas también se derivan de la inferencia bayesiana. [ cita requerida ] [6]
En 1978, JG Pederson escribió que "el argumento fiducial ha tenido un éxito muy limitado y ahora está esencialmente muerto". [10] Davison escribió: "Se han hecho algunos intentos posteriores para resucitar el fiducialismo, pero ahora parece en gran parte de importancia histórica, particularmente en vista de su rango restringido de aplicabilidad cuando se establece junto con modelos de interés actual". [11]
Sin embargo, la inferencia fiducial todavía se está estudiando y sus principios parecen valiosos para algunas aplicaciones científicas. [12] [13] A mediados de la década de 2010, el psicometrista Yang Liu desarrolló una inferencia fiducial generalizada para modelos en la teoría de respuesta al ítem y demostró resultados favorables en comparación con los enfoques frecuentista y bayesiano. Otro trabajo actual en inferencia fiducial está en curso bajo el nombre de distribuciones de confianza .