也就是说,要使用频繁性方法进行顺序分析(您无法提前确切地知道要收集多少数据),需要特别注意;您不能仅在p值变得足够小或置信区间变得足够短之前收集数据。
但是,在进行贝叶斯分析时,这是否值得关注?我们可以自由地做诸如收集数据之类的事情,直到可信间隔变得足够小时吗?
1
依靠。如果您收集数据直到您掌握了一定数量的信息(通常是贝叶斯人还是常客),这通常都不是问题。如果您关心频繁使用的操作特性(例如,可信区间的覆盖概率,类型1错误),那么停止仍然是一个问题,例如,一旦可信区间不起作用就停止。
—
比约恩
@Björn您能解释在这种情况下“一定数量的信息”是什么意思吗?即使通过顺序贝叶斯测试无法获得恒定的1型错误率,我们是否仍然“允许”这样做?我们仍然可以安全地做出贝叶斯分析中的通常说法吗?(即关于参数的概率分布的声明)
—
Alec
一定数量的信息=例如Fisher信息(例如,用于特定数量案例的生存分析)。对于第二个问题:是的,如果您使用似然来反映采样方式(例如,反映在那种情况下,您将停止收集更多数据)。不,如果您忽略了正确的可能性(例如,仅使用标准的正常可能性)。
—
比约恩
嗯,我现在知道了,所以问题实际上出在我猜。停止规则使将来的观察有条件地取决于先前的观察。
—
亚历克2015年
@Bjorn您是否知道贝叶斯分析的参考,该参考在其喜好功能中考虑了停止规则?
—
亚历克2015年