تصميم بايزي تجريبي
المحتويات
في البداية، يوفر التصميم البايزي التجريبي (نسبةً لبايز) إطار احتمالٍ نظريًّا عامًّا يمكن استنباط نظريات تصميم تجريبي أخرى منه. وهو مبني على الاستدلال البايزي لتفسير البيانات/الملاحظات التي حُصل عليها خلال التجربة. يسمح هذا بالتعويض عن أي معرفة مسبقة عن المؤشرات التي يجب تحديدها، إلى جانب أي شكوك في الملاحظات. وفيما يلي تفاصيل أوسع عن ذلك.
علاقات لنظرية تصميم مثالي أكثر تخصصًا
كذلك، نظرية التصميم البايزي التجريبي مبنية إلى حد ما على نظرية صنع القرارات المثالية عند وجود شك. الهدف عند تصميم تجربة هو الخروج بأعلى حد ممكن من الفائدة المتوقعة لنتيجة التجربة. التعريف الأكثر شيوعًا للفائدة هو أنها قياس لدقة المعلومات التي توفرها التجربة (مثل معلومات شانون أو التنوع السلبي)، ولكن يمكن كذلك أن تشمل عوامل كالكلفة المالية لإجراء التجربة. تعتمد ماهية التصميم المثالي للتجربة على معيار الفائدة المحدد المختار.
الصيغة الرياضية
وعلى صعيد آخر، بأخذ شعاع بمؤشرات يجب تحديدها، ودالة كثافة احتمال مسبقة لهذه المؤشرات (البارامترات) ودالة كثافة احتمال لإجراء الملاحظات ، بأخذ قيم للمؤشرات وتصميم تجريبي ، يمكن عندها حساب دالة كثافة الاحتمال البعدية باستخدام فرضية بايز:
حيث كثافة الاحتمال الهامشية في فضاء العيان
الاستفادة المتوقعة للتجربة ذات التصميم يمكن تعريفها كالتالي
وعلى صعيد آخر، حيث تابع ما ذو قيمة حقيقية لدالة كثافة الاحتمال البعدية بعد إجراء الملاحظة باستخدام تصميم تجريبي .
التوزيع البعدي
وفي هذا السياق، أصبح المزيد من الموارد الحاسوبية يسمح حديثًا باستقراء التوزيع البعدي لمؤشرات النموذج، التي يمكن استخدامها مباشرةً للتصميم التجريبي. اقترح فانلير وزملاؤه (2012) طريقةً تستعمل التوزيع البعدي الاستقرائي لتقييم أثر القياسات الجديدة على الشك في توقع الاحتمالات، في حين اقترح ليبي وزملاؤه (2013) أخذ أكبر قدر ممكن من المعلومات بين المؤشرات، والتوقعات، والتجارب الجديدة المحتملة.
الربح في معلومات شانون كفائدة
وفي هذا الصدد، يمكن تعريف الفائدة بأنها الربح المسبق البعدي في معلومات شانون
النظرية الخطية
ومن ناحية أخرى، إذا كان النموذج خطيًّا، فإن دالة كثافة الاحتمال السابقة متجانسة، وتتوزع أخطاء الملاحظة بانتظام، تتبسط النظرية لتأخذ شكل نظرية التصميم التجريبي المثالي التقليدية (الكلاسيكية).
الانتظام التقريبي
وفي هذا الصدد، يفترض (غالبًا بشكل ضمني) في الكثير من الكتابات المتعلقة بموضوع التصميم البايزي التجريبي أن كل دوال كثافة الاحتمال التالية منتظمة على وجه التقريب. يسمح هذا بحساب الفائدة المتوقعة عن طريق النظرية الخطية، بأخذ المتوسط على كامل فضاء مؤشرات النموذج، وهي طريقة راجعها تشالونر وفيردينيللي (1995). ولكن يجب أخذ الحذر عند تطبيق هذه الطريقة، بما أنه من الصعب التحقق من الانتظام التقريبي لكل الدوال التالية، حتى في حالات أخطاء الملاحظة العادية ودوال كثافة الاحتمال السابقة المنتظمة.
الاحتمال الآخر هو تعريف الفائدة بأنها
وفي السياق ذاته، ربح المعلومات المتوقع هو بالضبط المعلومات المشتركة بين المؤشر (البارامتر) θ والملاحظة y. ذكر بانيا (2019) مثالًا عن التصميم البايزي لتمييز النموذج الديناميكي الخطي. بما أن من الصعب حسابه، يستعمل حده الأدنى كتابع للفائدة. توجد القيمة الأعظمية للحد الأدنى عندها وفق شرط طاقة الإشارة. قورن التصميم البايزي المقترح بالتصميم المثالي (دي-المثالي) التقليدي المتوسط. ظهر أن التصميم البايزي أفضل من تصميم (دي المثالي).
وفي هذا السياق، يصف معيار كيلي كذلك دالة فائدة كذلك لأجل مقامر يسعى لجعل ربحه أعظم ما يمكن، يستعمل في نظرية المقامرة والمعلومات؛ وضع كيلي مطابق لما سبق، بأخذ المعلومات الجانبية أو «الشبكة الخاصة» محل التجربة.
علاوةً على ذلك، يمكن تقييم الشكل الثاني دون الحاجة لتقييم دوال كثافة الاحتمال البعدية الفردية لكل الملاحظات المحتملة . من الجدير ذكر أن الحد الأول من السطر الثاني من المعادلة لا يعتمد على التصميم ، طالما أن الشك لا يعتمد عليه كذلك. من جهة أخرى، تكامل في الشكل الأول ثابت لأجل أي ، لذا إذا كان الهدف اختيار التصميم ذي الفائدة الأكبر، فليس من الضروري حساب الحد على الإطلاق. درس الكثير من المؤلفين طرائق عددية لتقييم هذا المعيار وإيجاد القيمة المثالية له، ومنهم فان دن بيرغ، وكورتيس ترامبرت (2003)، ورايان (2003). نلاحظ أن:
إضافةً إلى ذلك، تفرق كولباك-لايبلر للسابق من التوزيع البعدي. لاحظ ليندلي (1956) أن الفائدة المتوقعة ستكون مستقلة عن الإحداثيات عندها ويمكن كتابتها بشكلين:
📝 هل في هذه المقالة خطأ؟
إذا وجدت معلومة تحتاج تصحيحاً أو إضافة، أو أردت حذف المقالة، أرسل لنا طلباً وسنراجعه.
ما رأيك في هذه المقالة؟