Modele de decizie de tip bayes

Comme vous le savez probablement, j`ai fait de telles simulations dans le passé ainsi. Votre argument ici en fait semble répéter une partie du débat que j`ai eu au sujet de l`étude de réplication Boekel résumé dans mon maintenant (ancien) blog: https://neuroneurotic.net/2015/03/26/failed-replication-or-flawed-reasoning/What ces simulations sont consiste essentiellement à répéter ce que le facteur bayésien signifie. Vous obtenez une danse des BFs avec peu de preuves concluantes de toute façon parce que la plupart des résultats ne fournissent tout simplement pas de preuves concluantes pour l`un ou l`autre modèle. Est-ce vraiment un problème? Il semble nous dire ce que nous voulons savoir. Ce que je pense est un problème, c`est quand les résultats sont mal interprétés (qui a été la raison de mon blog, puis bien que ma pensée a également évolué depuis lors). Je pense que pendant que les bayésiens nous rappellent que nous devrions conditionner sur les données et non la vérité, la façon dont nous présentons et discutons des résultats est encore largement axée sur ce dernier. Même les études employant des tests d`hypothèse bayésiens semblent coupables de cela. Nous avons récemment publié un article (mon premier avec les BFs par défaut) où j`ai essayé de contrecarrer cela en soulignant qu`un BF quantifie les preuves relatives. Dans ce cas, nous essayons surtout de déduire si les participants sont en train de deviner si les BFs sont tous des tests si la précision au niveau du groupe est au hasard.

La plupart des BF10 > 1/3 même si elles sont inférieures à 1. Ce que cela signifie, c`est que vous devez mettre à jour votre croyance que les gens peuvent faire la tâche mieux que la chance vers la valeur nulle, mais pas par beaucoup. Si vous êtes vraiment convaincu (style BEM) que les gens peuvent réellement faire la tâche, alors cela ne réduira pas votre croyance par beaucoup, mais c`est à vous de décider si votre croyance est justifiée en premier lieu. DIDACTICA MATEMATICĂ SUPLIMENT AL GAZETEI MATEMATICE ANUL al V-Lea Nr. 2/2015 modele de lecţii Prezenţa elementelor de Teoria probabilităţilor în Programa de Liceu de Eugen Păltănea Propunem o tematică Very Nice Daniel! Pour moi, prenez le message 1 à la maison est que les BFs sont sujets à la variabilité d`échantillonnage. Bien sûr! Mais les gens ne semblent pas reconnaître cela suffisamment. J`espère que maintenant ils le feront. Sur l`échantillonnage répété, ils dansent, comme les valeurs de p (et les moyens et CIs et les valeurs de l`échantillon SD et…). Le message 2 de la maison est que, pour encore une raison de plus, nous devrions passer de la prise de décision dichotomeuse et l`utilisation d`estimation. DDM tente avec une certitude séduisante mais illusoire.

Il le fait même lorsqu`il est donné le label de meilleure qualité «test d`hypothèses». L`estimation, par contraste (1) se concentre sur les tailles d`effet, qui sont les résultats de la plupart des intérêts de recherche et ce que nous devrions interpréter; (2) est nécessaire pour la méta-analyse, qui est essentielle dans un monde de la science ouverte et de la réplication; et (3) est susceptible d`encourager la modélisation quantitative et le développement d`une discipline plus quantitative. Pour moi, il est beaucoup plus important que les gens passer de DDM à l`estimation que si elles choisissent de faire l`estimation en utilisant des intervalles de confiance ou des intervalles crédibles. En effet, l`estimation bayésienne centrée sur des intervalles crédibles peut être un moyen majeur de l`avenir. S`il vous plaît quelqu`un développer de grands matériaux pour enseigner aux débutants en utilisant cette approche! Vous mentionnez «mars des valeurs p» Si le pouvoir est élevé. Avec une puissance élevée, oui, nous obtenons plus souvent de petites valeurs p. Bien sûr. Mais la chose étrange est que l`étendue de la variabilité d`échantillonnage de p est encore très élevé. Je quantifie cela avec l`intervalle p: l`intervalle de prédiction de 80% pour p, étant donné seulement la valeur p trouvée dans une étude initiale.

Pour p = .001 initial, l`intervalle p (toutes les valeurs p à deux queues) est (. 0000003,. 14).