貝葉斯參數估計或貝葉斯假設檢驗？

貝葉斯社區似乎一直在爭論我們是否應該進行貝葉斯參數估計或貝葉斯假設檢驗。我有興趣就此徵求意見。這些方法的相對優勢和劣勢是什麼？在哪些情況下，一種比另一種更合適？我們應該同時進行參數估計和假設檢驗，還是只做一個？

在我的理解中，問題不在於反對參數估計或假設檢驗確實回答了不同的正式問題，而是更多關於科學應該如何工作，更具體地說，我們應該使用什麼統計範式來回答給定的實際問題。

大多數時候，使用假設檢驗：你想測試一種新藥，你測試“它的效果類似於安慰劑”。但是，您也可以將其形式化為：“藥物的可能作用範圍是多少？” 這會引導您進行推理，尤其是間隔 (hpd) 估計。這以不同但可能更容易解釋的方式轉換了原始問題。一些臭名昭著的統計學家提倡“這樣的”解決方案（例如 Gelman 參見http://andrewgelman.com/2011/04/02/so-called_bayes/或http://andrewgelman.com/2014/09/05/confirmationist-falsificationist -範式科學/）。

用於此類測試目的的貝葉斯推理的更詳細方麵包括：

• 模型比較和檢查，其中一個模型（或競爭模型）可以通過後驗預測檢查來偽造（例如http://www.stat.columbia.edu/~gelman/research/published/philosophy.pdf）。
• 通過混合估計模型https://arxiv.org/abs/1412.2044進行假設檢驗，其中推斷與一組可能的顯式假設相關的後驗概率。

引用自：https://stats.stackexchange.com/questions/246481