Phản hồi nhanh về nội dung gạch đầu dòng:
1) Lỗi nguồn / Loại 1 trong phân tích Bayes so với phân tích thường xuyên
Hỏi về Loại 1 và công suất (tức là trừ đi xác suất xảy ra lỗi Loại 2) ngụ ý rằng bạn có thể đặt vấn đề suy luận của mình vào khung lấy mẫu lặp lại. Bạn có thể? Nếu bạn không thể thì không có nhiều sự lựa chọn ngoài việc tránh xa các công cụ suy luận thường xuyên. Nếu bạn có thể, và nếu hành vi của người ước tính của bạn đối với nhiều mẫu như vậy có liên quan và nếu bạn không đặc biệt quan tâm đến việc đưa ra tuyên bố xác suất về các sự kiện cụ thể, thì tôi không có lý do gì để di chuyển.
Lập luận ở đây không phải là những tình huống như vậy không bao giờ phát sinh - chắc chắn là chúng xảy ra - mà là chúng thường không phát sinh trong các lĩnh vực áp dụng các phương pháp.
2) Sự đánh đổi trong sự phức tạp của phân tích (Bayesian có vẻ phức tạp hơn) so với lợi ích thu được.
Điều quan trọng là hỏi sự phức tạp đi đâu. Trong các thủ tục thường xuyên, việc thực hiện có thể rất đơn giản, ví dụ như giảm thiểu tổng bình phương, nhưng nguyên tắc có thể phức tạp tùy ý, thường xoay quanh việc chọn công cụ ước tính nào, làm thế nào để tìm (các) bài kiểm tra phù hợp, suy nghĩ khi nào họ không đồng ý. Ví dụ. xem các cuộc thảo luận vẫn còn sôi nổi, được chọn trong diễn đàn này, về các khoảng tin cậy khác nhau cho một tỷ lệ!
Trong các thủ tục Bayes, việc triển khai có thể phức tạp một cách tùy tiện ngay cả trong các mô hình trông giống như chúng phải đơn giản, thường là do các tích hợp khó nhưng nguyên tắc cực kỳ đơn giản. Nó phụ thuộc vào nơi bạn muốn sự lộn xộn.
3) Các phân tích thống kê truyền thống rất đơn giản, với các hướng dẫn được thiết lập tốt để rút ra kết luận.
Cá nhân tôi không còn nhớ được nữa, nhưng chắc chắn học sinh của tôi không bao giờ tìm thấy những điều đơn giản này, chủ yếu là do sự phổ biến nguyên tắc được mô tả ở trên. Nhưng câu hỏi không thực sự là liệu một thủ tục có đơn giản không, mà là liệu có gần đúng hơn với cấu trúc của vấn đề hay không.
Cuối cùng, tôi hoàn toàn không đồng ý rằng có "các hướng dẫn được thiết lập tốt để đưa ra kết luận" trong cả hai mô hình. Và tôi nghĩ đó là một điều tốt . Chắc chắn, "tìm p <.05" là một hướng dẫn rõ ràng, nhưng đối với mô hình nào, với những sửa đổi, v.v.? Và tôi phải làm gì khi các bài kiểm tra của tôi không đồng ý? Đánh giá khoa học hoặc kỹ thuật là cần thiết ở đây, vì nó là nơi khác.