サンプルサイズをランダム変数にすることはどういう意味ですか?


18

Frank Harrellがブログ(統計的思考)を開始しました。彼の最高の投稿では、彼の統計哲学のいくつかの重要な特徴をリストしています。他のアイテムの中で、含まれるもの:

  • 可能な場合、サンプルサイズをランダム変数にする
  1. 「サンプルサイズをランダム変数にする」とはどういう意味ですか?
  2. これを行う利点は何ですか?なぜそれが好ましいのでしょうか?

順次分析では、イベントの発生時刻は確率変数として扱われます。これは、真のアボットのサンプルサイズでもあります。
マイケルR.チャーニック

@RichardHardy、これはCross Validated Metaで議論されるべきです。タグb / cを作成しましたが、1はありませんでしたが、ACFなどについて多くの質問があります。常に同義語にすることができました。
GUNG -復活モニカ

回答:


13

私はデータ収集プロセスに近いモデルを使用するつもりはありませんが、むしろ、多重度に対するペナルティを必要としない事後確率の連続的なベイジアン監視を行います。任意のターゲットサンプルサイズを計算する代わりに、可能な限り最大のサンプルサイズを計算し(予算承認のため)、そうでなければ物理学で良い効果を得るために通常行われるように「答えが得られたら」停止します。それについては、ブログhttp://fharrell.comでまもなく説明します。


1
「答えを得たとき」とは具体的にどういう意味ですか?気に入った結果が得られるまで(たとえば、95%の信頼できる間隔に0が含まれない)スタディを実行すると、ベイジアンコンテキストでも頻繁に起こるものと同様に破損すると思います。
GUNG -復活モニカ

1
@gungまったくありません。ベイジアン推論は停止ルールとは完全に独立しています。早期停止時に事後確率のキャリブレーションをシミュレートするのは簡単で、正確に正しいことを示します。これは、頻繁な世界との驚くべき違いの1つです。一般に、前方確率はコンテキストに依存せず、後方確率はそこに到達した方法に依存します。したがって、効果の事後確率が0より大きい場合、0.95などの数値を超える場合、または信頼区間の幅が特定の数値よりも小さい場合、停止します。
フランクハレル

1
@gungのコメントに対するあなたの反応は、私に質問を請うように思えます。一部の読者は、ベイジアン推論が実際に「過去の結論へのサンプリング」を許可する場合、ベイジアン推論にとって非常に悪いと感じるかもしれません。(ここで 3番目の段落の参照を参照します。)次のブログ投稿を楽しみにしています!
Scortchi -復活モニカ

統計学者が使用した事前分布がレビューアが使用した事前分布と矛盾する場合にのみ、過去の誤った結論へのサンプリングが行われます。たとえば、レビュアーが確率質量をnullに置く(つまり、事前分布が吸収状態を持つ)場合、使用されるモデルがnullに特別な重点を置かない場合、分析は肯定的な効果の停止を示すことがありますが、レビュアーは効果の不十分な証拠。特定の事前確率でスタディをシミュレートし、同じ事前確率を使用して分析する場合、事後確率は完全に較正され、事後平均も完全です。
フランクハレル
弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.