अर्थात्, क्रमिक विश्लेषण करने के लिए (आप समय से पहले नहीं जानते कि आप वास्तव में कितना डेटा एकत्र करेंगे) लगातार तरीकों के साथ विशेष देखभाल की आवश्यकता होती है; जब तक पी-मान पर्याप्त रूप से छोटा नहीं हो जाता है या आत्मविश्वास अंतराल पर्याप्त रूप से छोटा नहीं हो जाता है, तब तक आप डेटा एकत्र नहीं कर सकते।
लेकिन जब बायेसियन विश्लेषण करते हैं, तो क्या यह चिंता का विषय है? क्या हम स्वतंत्र रूप से डेटा एकत्र कर सकते हैं जब तक कि एक विश्वसनीय अंतराल पर्याप्त रूप से छोटा न हो जाए?
1
निर्भर करता है। यदि आप डेटा एकत्र करते हैं, जब तक कि आपके पास एक निश्चित मात्रा में जानकारी न हो, जो आम तौर पर एक मुद्दा नहीं है, चाहे आप बायेसियन हों या लगातार। यदि आप लगातार संचालन विशेषताओं (जैसे विश्वसनीय अंतराल के लिए कवरेज संभावनाएं, टाइप 1 त्रुटि) के बारे में परवाह करते हैं, तो यह अभी भी एक मुद्दा है जैसे कि विश्वसनीय अंतराल कोई प्रभाव नहीं छोड़ता है।
—
ब्योर्न
@ ब्योर्न क्या आप बता सकते हैं कि इस संदर्भ में "जानकारी की एक निश्चित मात्रा" का क्या अर्थ है? और अगर हमें क्रमिक बायेसियन परीक्षण के साथ लगातार टाइप 1 त्रुटि दर नहीं मिलती है, तो क्या हम अभी भी "अनुमत" हैं? क्या हम अभी भी एक बायेसियन विश्लेषण में किए गए सामान्य दावों को सुरक्षित रूप से कर सकते हैं? (यानी, एक पैरामीटर के संभाव्यता वितरण के बारे में कथन)
—
एलेक
जानकारी की निश्चित मात्रा = जैसे फिशर जानकारी (उदाहरण के लिए कुछ मामलों की उत्तरजीविता विश्लेषण के लिए)। दूसरे प्रश्न के लिए: हाँ, यदि आप इस बात की संभावना का उपयोग करते हैं कि आपने कैसे नमूना लिया है (यानी प्रतिबिंबित करते हुए, ऐसे मामलों में जब आपने अधिक डेटा एकत्र करना बंद कर दिया होगा)। नहीं, यदि आप अनदेखा करते हैं कि सही संभावना क्या है (और उदाहरण के लिए बस एक मानक सामान्य संभावना का उपयोग करें)।
—
ब्योर्न
आह, मैं अब देख रहा हूं, इसलिए समस्या वास्तव में मेरे अनुमान की संभावना है। एक रोक नियम भविष्य की टिप्पणियों को पहले वाले पर सशर्त रूप से निर्भर करता है।
—
एलेक
@ ब्योर्न क्या आप बायेसियन विश्लेषण के किसी भी संदर्भ के बारे में जानते हैं जो इसकी संभावना समारोह में एक रोक नियम को ध्यान में रखता है?
—
एलेक