Örneklem büyüklüğünü rastgele bir değişken yapmak ne demektir?

Frank Harrell bir blog başlattı ( İstatistiksel Düşünme) . İlk yayınında , istatistiksel felsefesinin bazı temel özelliklerini listeler. Diğer öğelerin yanı sıra şunları içerir:

Mümkünse örnek boyutunu rastgele bir değişken yapın

"Örnek boyutunu rastgele değişken yapmak" ne anlama gelir?
Bunu yapmanın avantajları nelerdir? Neden tercih edilebilir?

sample-size random-variable regression-strategies

— gung - Monica'yı eski durumuna döndürün
kaynak

Sıralı analizde bir olayın meydana gelme zamanı rastgele bir değişken olarak ele alınır. Bu aynı zamanda gerçek abot örneklem büyüklüğüdür.

— Michael R.Chernick

@RichardHardy, bu Çapraz Doğrulanmış Meta üzerinde tartışılmalıdır . Ben 1 yoktu b / c etiketini yarattı & ACF, vb hakkında birçok soru var. Biz her zaman bir eşanlamlı yapabilir.

— gung - Monica'yı eski

Veri toplama sürecine yakın modelleri kullanmaktan ziyade, çokluk için herhangi bir ceza gerektirmeyen posterior olasılıkların sürekli Bayesian izlemesini yapmaktan bahsediyorum. Rastgele bir hedef örneklem büyüklüğü hesaplamak yerine, mümkün olan maksimum örneklem büyüklüğünü (bütçe onayı için) hesaplamayı ve fizikte genellikle iyi bir etkiye sahip olarak "cevabı aldığımızda" durmayı tercih ederim. Bunun hakkında bir gün önce http://fharrell.com blogumda daha fazla şey söyleyeceğim .

— Frank Harrell
kaynak

"Cevabı aldığımızda" somut olarak ne anlama geliyor? Beğendiğiniz bir sonuç elde edene kadar (örneğin,% 95 güvenilir aralık 0 içermez) bir çalışma yürütmenin, Bayes bağlamında sıkça yapılan bir bağlamda bozulma olacağını düşünürüm.

— gung - Monica'yı eski durumuna getirin

@gung hiç değil. Bayes çıkarsama durdurma kuralından tamamen bağımsızdır. Erken durma sırasında posterior olasılıkların kalibrasyonunu simüle etmek kolaydır ve tam olarak doğru olduklarını gösterir. Bu, frekansçı dünya ile inanılmaz farklılıklardan biridir. Genel olarak, ileri olasılıklar bağlamdan bağımsızdır ve geriye dönük olasılıklar oraya nasıl geldiğinize bağlıdır. Bu nedenle, etkinin> 0 olan arka olasılığı 0,95 gibi bir sayıyı aştığında veya güvenilir aralık genişliği <belirli bir sayıya sahip olduğunda dururdum.

— Frank Harrell

@ Gung'un yorumuna cevabınız bana şu soruyu yalvarıyor gibi görünüyor: bazı okuyucular Bayesci çıkarımın gerçekten de "önceden yapılmış bir sonuca örnekleme" ye izin vermesi halinde Bayesci çıkarım için çok daha kötü olduğunu düşünebilirler. (Ben 3 paragrafta referanslar onları başvurmak istiyorum burada .) Looking forward sonraki blog yayınına!

— Scortchi - Monica'yı eski durumuna döndürün

Önceden yanlış bir sonuca örnekleme, yalnızca istatistikçi tarafından daha önce kullanılan, gözden geçiren tarafından önceden kullanılanla çelişiyorsa gerçekleşir. Örneğin, gözden geçiren bir olasılık kütlesini null değerine koyuyorsa (yani öncekinin emici bir durumu varsa) ve kullanılan model null'a özel bir vurgu yapmıyorsa, analiz olumlu bir etki için durduğunu gösterebilir, ancak gözden geçiren bir etki için yetersiz kanıt. Belli bir öncekiyle çalışmaları simüle ederseniz ve aynı öncekini kullanarak analiz ederseniz, arka problar mükemmel bir şekilde kalibre edilir ve arka araçlar da mükemmeldir.

— Frank Harrell