对项目符号内容的快速响应:
1)贝叶斯分析与频频分析的幂/类型1错误
询问类型1和功效(即,减去类型2错误的概率)意味着您可以将推理问题放入重复的采样框架中。你是否可以?如果您做不到,那么别无选择,只能远离常人推论工具。如果可以,并且估计器对许多此类样本的行为具有相关性,并且如果您对特定事件的概率陈述不特别感兴趣,那么我就没有充分的理由提出建议。
这里的论点不是说这种情况永远不会出现-当然会发生-而是在应用方法的领域中通常不会出现。
2)分析复杂性(贝叶斯似乎更复杂)与收益之间的权衡。
询问复杂性的去向很重要。在常客程序中,实现可能非常简单,例如,最小化平方和,但是原理可能任意复杂,通常围绕选择哪个估计量,如何找到正确的测试,何时思考的问题进行讨论。他们不同意。举个例子。看到在本论坛中进行的,充满活力的讨论,讨论中有一定比例的不同置信区间!
在贝叶斯过程中,即使在看起来像“应该”很简单的模型中,实现也可以是任意复杂的,通常是因为积分很困难,但是原理却非常简单。而是取决于您希望混乱的位置。
3)传统的统计分析非常简单明了,有完善的得出结论的准则。
我个人已经不记得了,但是肯定是我的学生从来没有发现这些简单明了,主要是由于上述原理的扩散。但是,问题实际上不是程序是否简单明了,而是考虑到问题的结构,是否更接近正确。
最后,我强烈不同意在两种范例中都有“完善的得出结论的准则”。我认为这是一个很好的事情。当然,“找到p <.05”是一个明确的准则,但是对于哪种模型,进行了哪些修正等?当我的测试不同意时该怎么办?就像其他地方一样,这里需要科学或工程上的判断。