A estatística bayesiana é uma teoria no campo da estatística baseada na interpretação bayesiana da probabilidade, na qual a probabilidade expressa um grau de convicção em um evento. O grau de convicção pode ser baseado no conhecimento prévio sobre o evento, como os resultados de experimentos anteriores, ou em convicções pessoais sobre o evento. Isso difere de várias outras interpretações de probabilidade, como a interpretação frequentista que vê a probabilidade como o limite da frequência relativa de um evento após muitas tentativas.[1]
Os métodos estatísticos bayesianos usam o teorema de Bayes para calcular e atualizar probabilidades após a obtenção de novos dados. O teorema de Bayes descreve a probabilidade condicional de um evento com base em dados, bem como informações anteriores ou convicções sobre o evento ou condições relacionadas ao evento.[2][3] Por exemplo, na inferência bayesiana, o teorema de Bayes pode ser usado para estimar os parâmetros de uma distribuição de probabilidade ou modelo estatístico. Como a estatística bayesiana trata a probabilidade como um grau de convicção, o teorema de Bayes pode atribuir diretamente uma distribuição de probabilidade que quantifica a convicção ao parâmetro ou conjunto de parâmetros.[1][2]
História
A estatística bayesiana recebeu o nome de Thomas Bayes, que formulou um caso específico do teorema de Bayes em um artigo publicado em 1763. Em vários artigos desde o final do século 18 até o início do século 19, Pierre-Simon Laplace desenvolveu a interpretação bayesiana da probabilidade.[4] Laplace usou métodos que agora seriam considerados bayesianos para resolver uma série de problemas estatísticos. Muitos métodos bayesianos foram desenvolvidos por autores posteriores, mas o termo não era comumente usado para descrever tais métodos até a década de 1950. Durante grande parte do século 20, os métodos bayesianos foram vistos de forma desfavorável por muitos estatísticos devido a considerações filosóficas e práticas. Muitos métodos bayesianos exigiam muita computação para serem concluídos, e a maioria dos métodos amplamente usados durante o século baseava-se na interpretação frequentista. No entanto, com o advento de computadores poderosos e novos algoritmos como a cadeia de Markov Monte Carlo, os métodos bayesianos tiveram um uso crescente nas estatísticas no século XXI.[1][5]
↑McGrayne, Sharon (2012). The Theory That Would Not Die: How Bayes' Rule Cracked the Enigma Code, Hunted Down Russian Submarines, and Emerged Triumphant from Two Centuries of Controversy First ed. [S.l.]: Chapman and Hall/CRC. ISBN978-0-3001-8822-6
↑Fienberg, Stephen E. (2006). «When Did Bayesian Inference Become "Bayesian"?». Bayesian Analysis. 1 (1): 1–40. doi:10.1214/06-BA101