लगातार आंकड़े देते समय, बड़े नो-नग की एक लंबी सूची होती है, जैसे अधिक डेटा एकत्र करने का निर्णय लेने से पहले सांख्यिकीय परीक्षणों के परिणामों को देखना। मैं आम तौर पर सोच रहा था कि क्या बायेसियन आँकड़ों में शामिल कार्यप्रणाली के लिए नो-नोस की एक समान सूची है, और विशेष रूप से यह है कि निम्नलिखित उनमें से एक है।
मैंने हाल ही में महसूस किया है कि जिन कुछ मॉडलों के लिए मैं फिटिंग कर रहा हूं, मेरी प्रक्रिया पहले मॉडल को जानकारीपूर्ण पुजारियों के साथ फिट करने के लिए है, यह देखने के लिए कि क्या यह काम करता है या उड़ा देता है, और फिर या तो अनजाने या कमजोर रूप से जानकारीपूर्ण के लिए याजकों को कमजोर करता है और मॉडल को परिष्कृत करें।
इसके लिए मेरी प्रेरणा वास्तव में इस तथ्य के साथ है कि मैं इन मॉडलों को जेएजीएस / स्टेन में लिख रहा हूं, और मेरे दिमाग में मैं इसे एक सांख्यिकीय की तुलना में प्रोग्रामिंग कार्य की तरह अधिक व्यवहार कर रहा हूं। इसलिए, मैं एक पहला रन करता हूं, यह सूचनात्मक पुजारियों का उपयोग करके जल्दी से अभिसरण करने के लिए इसे हेराफेरी करने के लिए, मैंने जो मॉडल लिखा है उसमें त्रुटियों को पकड़ना आसान बनाता है। फिर, मॉडल को डीबग करने के बाद, मैं इसे अनइंफॉर्मेटिव, या कमजोर रूप से सूचनात्मक पुजारियों के साथ परिष्कृत करता हूं।
मेरा सवाल यह है कि मैं इस प्रक्रिया के साथ कुछ गंभीर नियम तोड़ रहा हूं या नहीं। उदाहरण के लिए, मेरे निष्कर्षों के वैध होने के लिए, और शोधकर्ताओं की स्वतंत्रता की डिग्री के दोहन से बचने के लिए, क्या मुझे किसी मॉडल को शुरू करने से पहले विशिष्ट पुजारियों के लिए प्रतिबद्ध होने की आवश्यकता है ?