मैं एक हूँ कि ग्राफिक बनाया, हालांकि के रूप में साथ पोस्ट में उल्लेख किया है यह मूल रूप से मेरी अंतर्दृष्टि नहीं है। मुझे कुछ संदर्भ प्रदान करें कि यह कैसे हुआ और मैं इसे कैसे समझा जाता हूं, यह समझाने की पूरी कोशिश करता हूं। यह अहसास उस छात्र के साथ चर्चा के दौरान हुआ, जिसने उस बिंदु पर अनुमान लगाने के लिए बायेसियन दृष्टिकोण सीखा था। संपूर्ण परिकल्पना परीक्षण प्रतिमान को समझने में उन्हें कठिन समय हो रहा था, और मैं इस निश्चित रूप से भ्रमित दृष्टिकोण को समझाने के लिए अपनी पूरी कोशिश कर रहा था (यदि आप "अंतर" को नकारात्मक मानते हैं - जैसे कि नहींबराबर - तो मानक अशक्त परिकल्पना दृष्टिकोण एक ट्रिपल नकारात्मक है: शोधकर्ताओं का लक्ष्य यह दिखाना है कि कोई अंतर नहीं है)। सामान्य तौर पर, और जैसा कि एक अन्य प्रतिक्रिया में कहा गया है, शोधकर्ताओं को आमतौर पर कुछ अंतर मौजूद होने की उम्मीद है; क्या वे वास्तव में खोजने की उम्मीद करते हैं अशक्त "अस्वीकार" करने के लिए सबूतों को आश्वस्त करते हैं। निष्पक्ष होने के लिए, हालांकि, वे अनिवार्य रूप से अज्ञानता से शुरू करते हैं, जैसे कि, "ठीक है, शायद इस दवा का लोगों पर शून्य प्रभाव है।" फिर वे डेटा संग्रह और विश्लेषण के माध्यम से प्रदर्शित करने के लिए आगे बढ़ते हैं (यदि वे कर सकते हैं), कि यह शून्य परिकल्पना, डेटा दिया, एक बुरा धारणा थी।
एक Bayesian के लिए, यह एक जटिल आरंभ बिंदु जैसा प्रतीत होना चाहिए। सीधे अपने पूर्व विश्वासों की घोषणा करके ही क्यों न शुरू कर दें, और जो आप कर रहे हैं, उसके बारे में स्पष्ट रहें और इसे पूर्व में एन्कोडिंग करके मान लें? यहाँ एक महत्वपूर्ण बात यह है कि एक समान पूर्व नहीं हैएक uninformative पूर्व के रूप में ही। यदि मैं एक सिक्के को 1000 बार उछालता हूं और 500 सिर प्राप्त करता हूं, तो मेरा नया पूर्व सिर और पूंछ दोनों को समान (समान) भार प्रदान करता है, लेकिन इसका वितरण वक्र बहुत ही कठोर है। मैं अतिरिक्त जानकारी को एन्कोडिंग कर रहा हूँ जो अत्यधिक जानकारीपूर्ण है! एक सच्चा असंयमी पूर्व (सीमा तक ले जाया गया) कोई भार नहीं लेगा। इसका मतलब है, वास्तव में, खरोंच से शुरू करना और, एक निरंतर अभिव्यक्ति का उपयोग करने के लिए, डेटा को खुद के लिए बोलने दें। "क्लेरेंस" द्वारा किया गया अवलोकन यह था कि जानकारी की इस कमी को एनकोड करने का लगातार तरीका शून्य परिकल्पना के साथ है। यह एक uninformative पूर्व के रूप में बिल्कुल नहीं है ; यह एक ईमानदार तरीके से अधिकतम अज्ञानता व्यक्त करने के लिए लगातार दृष्टिकोण है, वह जो आपको साबित करने की इच्छा नहीं रखता है।
