การตอบสนองอย่างรวดเร็วต่อเนื้อหาหัวข้อย่อย:
1) ข้อผิดพลาด Power / Type 1 ในการวิเคราะห์แบบเบย์กับการวิเคราะห์ที่ใช้บ่อย
การถามเกี่ยวกับ Type 1 และกำลังงาน (เช่นหนึ่งลบความน่าจะเป็นของข้อผิดพลาด Type 2) หมายความว่าคุณสามารถใส่ปัญหาการอนุมานลงในกรอบการสุ่มตัวอย่างซ้ำ คุณสามารถ? หากคุณทำไม่ได้ก็ไม่มีทางเลือกมากนัก แต่ต้องย้ายออกจากเครื่องมืออนุมานที่ใช้บ่อย ถ้าคุณทำได้และถ้าพฤติกรรมของตัวประมาณของคุณกับกลุ่มตัวอย่างจำนวนมากนั้นมีความเกี่ยวข้องกันและถ้าคุณไม่สนใจทำงบความน่าจะเป็นเกี่ยวกับเหตุการณ์บางอย่างโดยเฉพาะฉันก็ไม่มีเหตุผลที่จะย้าย
การโต้เถียงที่นี่ไม่ใช่ว่าสถานการณ์ดังกล่าวจะไม่เกิดขึ้น - แน่นอนว่าพวกเขาทำ - แต่พวกเขามักจะไม่เกิดขึ้นในสาขาที่ใช้วิธีการ
2) การแลกเปลี่ยนในความซับซ้อนของการวิเคราะห์ (Bayesian ดูซับซ้อนกว่า) กับผลประโยชน์ที่ได้รับ
มันเป็นสิ่งสำคัญที่จะถามว่าความซับซ้อนไปที่ไหน ในขั้นตอนการดำเนินการบ่อยครั้งอาจง่ายมากเช่นลดผลรวมของกำลังสองน้อยลง แต่หลักการอาจซับซ้อนโดยพลการโดยทั่วไปจะหมุนไปรอบ ๆ เพื่อเลือกตัวประมาณวิธีหาการทดสอบที่ถูกต้องสิ่งที่ต้องคิดเมื่อ พวกเขาไม่เห็นด้วย สำหรับตัวอย่าง ดูการสนทนาที่ยังมีชีวิตชีวาหยิบขึ้นมาในฟอรัมนี้ด้วยช่วงความมั่นใจที่แตกต่างกันตามสัดส่วน!
ในขั้นตอนของเบย์การดำเนินการอาจซับซ้อนโดยพลการแม้ในรูปแบบที่ดูเหมือนว่าพวกเขาควรจะเรียบง่ายมักจะเป็นเพราะอินทิกรัยาก แต่หลักการนั้นง่ายมาก มันค่อนข้างจะขึ้นอยู่กับว่าคุณต้องการความยุ่งเหยิงแบบไหน
3) การวิเคราะห์ทางสถิติแบบดั้งเดิมนั้นตรงไปตรงมาพร้อมแนวทางที่เป็นที่ยอมรับสำหรับการสรุป
โดยส่วนตัวแล้วฉันจำไม่ได้อีกต่อไป แต่แน่นอนว่านักเรียนของฉันไม่เคยพบสิ่งที่ตรงไปตรงมาส่วนใหญ่เนื่องมาจากการแพร่กระจายของหลักการที่อธิบายไว้ข้างต้น แต่คำถามนั้นไม่ได้เป็นจริงว่าขั้นตอนนั้นตรงไปตรงมาหรือไม่ แต่อยู่ใกล้กับความถูกต้องหรือไม่เนื่องจากโครงสร้างของปัญหา
ในที่สุดฉันก็ไม่เห็นด้วยอย่างยิ่งว่ามี "แนวทางที่เป็นที่ยอมรับสำหรับการสรุปข้อสรุป" ในกระบวนทัศน์ทั้งสอง และฉันคิดว่านั่นเป็นสิ่งที่ดี แน่นอนว่า "find p <.05" เป็นแนวทางที่ชัดเจน แต่สำหรับรุ่นใดมีการแก้ไขอะไร ฯลฯ และฉันต้องทำอย่างไรเมื่อการทดสอบไม่เห็นด้วย? จำเป็นต้องมีการตัดสินทางวิทยาศาสตร์หรือวิศวกรรมที่นี่เช่นที่อื่น