文件名称：科学学习的简单理论-研究论文
文件大小：423KB
文件格式：PDF
更新时间：2024-06-29 12:07:40
model selection machine
科学家使用各种证据来了解各种广泛理论的相对有效性。 鉴于此科学学习问题缺乏统计结构，模型选择和元分析技术不能直接用作定量指导。 我使用五个简化假设来使问题通过标准统计方法易于处理。 结合贝叶斯和频率论方法，我推导出简单、直观的更新信念的规则。 该理论结合了通常用于判断模型的看似不可比的维度之间的权衡：事前合理性、精确性、经验准确性和普遍适用性。 我为学习过程的一致性建立了必要和充分条件，这为应用分析提供了简单的稳健性检查，并提供了一种简单的算法来选择稳健一致但有效的精度和准确度之间的权衡。 我在 Charness 和 Rabin (2002) 收集的数据的背景下发展了该理论。 与作者的分析相反，我发现（对于广泛的先验信念和参数值）在考虑到其更高的精度后，自私是他们考虑的简单游戏中的最佳选择模型。