论文研究 - 从众包中提取信息：采用贝叶斯，最大似然和最大熵方法的实验测试

一项众包实验，其中，英国广播公司（BBC）电视节目的观看者（“人群”）提交了不倒翁硬币数量的估计值（在第1部分）中显示，服从对数正态分布∧ （m，s2）。 硬币估计实验是适用于众包解决方案的广泛图像分析和对象计数问题的原型。 当前文章（第2部分）的目的是通过贝叶斯方法和最大似然（ML）方法确定∧（m，s2）的位置和比例参数（m，s），并比较结果。 分析的结果之一是通过杰弗里斯的规则解决了有关适当贝叶斯先验问题的问题。 结果表明，贝叶斯分析和ML分析导致位置参数的表达式相同，但尺度参数的表达式不同，这在无限样本量的限制内变得相同。 分析的第二个结果涉及使用样本均值作为不寻求或不知道响应分布的应用程序中人群信息的度量。 在硬币估计实验中，发现样本均值与根据∧（m，s2）计算出的平均硬币数相差很大。 这种不一致性引发了关于样本平均值是否以及在何种条件下提供人群信息的可靠度量的关键问题。 本文通过使用最大熵原理（PME）解决了该问题。 PME产生了一组方程，用于找到与给定的先验信息且仅与该信息一致的最可能的分布。 如果对于指定的样本均值和样本方差没有PME方程的解，则样本均值是不可靠的统计信息