Sık sık istatistik yaparken, daha fazla veri toplamaya karar vermeden önce istatistiksel testlerin sonuçlarına bakmak gibi büyük bir no-noos listesi vardır. Genel olarak Bayesci istatistiklerde yer alan metodolojiler için benzer bir no-nos listesi olup olmadığını ve özellikle aşağıdakilerden biri olup olmadığını merak ediyorum.
Kısa süre önce, taktığım bazı modellerde, benim sürecimin önce işe yarayıp yaramadığını görmek için modelin bilgilendirici önceliklerle uyuştuğunu ve daha sonra ya bilgilendirici ya da zayıf bilgilendirici ve modeli takınız.
Bunun için motivasyonum gerçekten bu modelleri JAGS / Stan'de yazıyorum ve aklımda bunu istatistiksel bir görevden çok bir programlama görevi gibi görüyorum. Bu yüzden, ilk çalışmayı yapıyorum, bilgilendirici öncelikler kullanarak hızlı bir şekilde birleşmek için yazıyorum, yazdığım modeldeki hataları yakalamayı kolaylaştırıyor. Daha sonra, modelin hatalarını ayıkladıktan sonra, bilgilendirici veya zayıf bilgilendirici önceliklerle yeniden takarım.
Sorum şu: Bu süreçte bazı ciddi kurallara uyup uymadığım. Örneğin, çıkarımlarımın geçerli olması ve araştırmacıların serbestlik derecelerini kullanmaktan kaçınmak için, herhangi bir modele uymaya başlamadan önce belirli önceliklere bağlı kalmam gerekir mi?