L’idea
Si parte da una distribuzione a priori (ciò che si ritiene plausibile prima di vedere i dati), la si combina con la verosimiglianza dei dati e si ottiene la distribuzione a posteriori. Da questa si leggono direttamente affermazioni come «la probabilità che l’effetto sia positivo è dell’85%», che l’approccio frequentista del p-value e dell’intervallo di confidenza non consente. La critica più frequente: la scelta della distribuzione a priori può influenzare i risultati, soprattutto con pochi dati, e va dichiarata e discussa. Oggi i calcoli si fanno per lo più con metodi di simulazione (MCMC). Il marketing mix modeling moderno usa spesso modelli bayesiani.
Da dove viene
- Gelman, Carlin, Stern, Dunson, Vehtari, Rubin, Bayesian Data Analysis, 3ª ed., CRC Press, 2013.