Có nghĩa là làm cho kích thước mẫu là một biến ngẫu nhiên?

Frank Harrell đã bắt đầu một blog ( Tư duy thống kê) . Trong bài viết hàng đầu của mình , ông liệt kê một số tính năng chính của triết lý thống kê của mình. Trong số các mặt hàng khác, nó bao gồm:

Biến cỡ mẫu thành một biến ngẫu nhiên khi có thể

"Làm cho kích thước mẫu là một biến ngẫu nhiên" nghĩa là gì?
Những lợi thế của việc này là gì? Tại sao nó có thể được ưa thích?

sample-size random-variable regression-strategies

— gung - Phục hồi Monica
nguồn

Trong phân tích tuần tự thời gian xảy ra một sự kiện được coi là một biến ngẫu nhiên. Đó cũng là kích thước mẫu abot đúng.

— Michael R. Chernick

@RichardHardy, điều này nên được thảo luận trên Meta xác thực chéo . Tôi đã tạo thẻ b / c mà chúng tôi không có 1 và có rất nhiều câu hỏi về ACF, v.v. Chúng tôi luôn có thể biến nó thành một từ đồng nghĩa.

— gung - Phục hồi Monica

Tôi không có ý sử dụng các mô hình gần với quy trình thu thập dữ liệu mà là thực hiện giám sát Bayes liên tục về xác suất sau, không yêu cầu phạt đối với bội số. Thay vì tính toán kích thước mẫu mục tiêu tùy ý, tôi muốn tính kích thước mẫu tối đa có thể (để phê duyệt ngân sách) và nếu không thì dừng lại "khi chúng tôi nhận được câu trả lời" như thường được thực hiện để có hiệu quả tốt trong vật lý. Tôi sẽ nói thêm về điều đó trong blog của tôi http://fharrell.com một ngày trước đó.

— Frank Mitchell
nguồn

"Khi chúng ta nhận được câu trả lời" có nghĩa cụ thể là gì? Tôi nghĩ rằng việc thực hiện một nghiên cứu cho đến khi bạn nhận được kết quả mà bạn thích (ví dụ: khoảng tin cậy 95% không bao gồm 0) sẽ giống như bị hỏng trong bối cảnh Bayes như trong trường hợp thường xuyên.

— gung - Phục hồi Monica

@gung hoàn toàn không. Suy luận Bayes hoàn toàn độc lập với quy tắc dừng. Thật dễ dàng để mô phỏng hiệu chuẩn xác suất sau tại thời điểm dừng sớm, cho thấy chúng hoàn toàn chính xác. Đây là một trong những khác biệt đáng kinh ngạc với thế giới thường xuyên. Nói chung, xác suất chuyển tiếp là xác suất không có ngữ cảnh và xác suất lùi phụ thuộc vào cách bạn đến đó. Vì vậy, tôi sẽ dừng khi xác suất sau của hiệu ứng> 0 vượt quá một số số như 0,95 hoặc khi khoảng tin cậy có chiều rộng <một số số được chỉ định.

— Frank Harrell

Câu trả lời của bạn cho nhận xét của @ gung dường như để tôi đặt ra câu hỏi: một số độc giả có thể cảm thấy rằng nếu suy luận Bayes thực sự cho phép "lấy mẫu cho một kết luận bỏ qua", thì càng tệ hơn cho suy luận Bayes. (Tôi muốn giới thiệu họ đến các tài liệu tham khảo trong đoạn 3 ở đây .) Mong bài viết blog tiếp theo của bạn!

— Scortchi - Phục hồi Monica

Lấy mẫu cho một kết luận không chính xác chỉ xảy ra nếu trước đó được sử dụng bởi xung đột thống kê với trước được sử dụng bởi người đánh giá. Ví dụ: nếu người đánh giá đặt khối lượng xác suất ở mức null (nghĩa là trước đó có trạng thái hấp thụ) và mô hình được sử dụng không đặt trọng tâm đặc biệt vào null, phân tích có thể chỉ ra dừng lại cho hiệu ứng tích cực nhưng người đánh giá nói rằng có không đủ bằng chứng cho một hiệu ứng. Nếu bạn mô phỏng các nghiên cứu với một ưu tiên nhất định và phân tích bằng cách sử dụng trước đó, các probs sau được hiệu chỉnh hoàn hảo, và phương tiện sau cũng hoàn hảo.

— Frank Harrell