Estou tentando entender o fator Bayes (BF). Eu acredito que eles são como uma razão de verossimilhança de 2 hipóteses. Portanto, se BF for 5, isso significa que H1 é 5 vezes mais provável que H0. E o valor de 3-10 indica evidência moderada, enquanto> 10 indica evidência forte.
No entanto, para o valor P, tradicionalmente 0,05 é considerado como ponto de corte. Nesse valor de P, a razão de probabilidade H1 / H0 deve ser de cerca de 95/5 ou 19.
Então, por que um valor de corte> 3 é obtido para BF, enquanto um valor de corte> 19 é calculado para valores de P? Esses valores também não estão próximos.
Respostas:
Algumas coisas:
O BF fornece evidências a favor de uma hipótese, enquanto um teste de hipótese freqüente fornece evidências contra uma hipótese (nula). Então é como "maçãs para laranjas".
Esses dois procedimentos, apesar da diferença de interpretações, podem levar a decisões diferentes. Por exemplo, um AM pode rejeitar enquanto um teste de hipótese freqüentista não, ou vice-versa. Esse problema costuma ser chamado de paradoxo de Jeffreys-Lindley . Houve muitas postagens neste site sobre isso; ver, por exemplo aqui , e aqui .
"Nesse valor de P, a probabilidade H1 / H0 deve ser 95/5 ou 19." Não, isso não é verdade porque, aproximadamente . A computação de um valor de p e a realização de um teste freqüentista, no mínimo, não exigem que você tenha alguma idéia sobre . Além disso, os valores de p são frequentemente integrais / somas de densidades / pmfs, enquanto um BF não se integra no espaço de amostra de dados.p ( y∣ H1) ≠ 1 - p ( y∣ H0 0) p ( y∣ H1)
fonte
O fator BayesB01 pode ser transformado em probabilidade com pesos iguais como
mas isso não os torna comparável com um valor- desdeP01=11+1B01 pp
Se você quiser considerar uma Bayesian equivalente à -valor, a posterior preditivo -valor (Meng, 1994) deve ser investigada onde denota a observação e é distribuído a partir do preditivo posterior mas isso não implica que os mesmos critérios "padrão" para rejeição e significância se apliquem a esse objeto.p p Q 01 = P ( B 01 ( X ) ≤ B 01 ( x obs ) ) x obs p Q01=P(B01(X)≤B01(xobs)) xobs X X∼∫Θf(x|θ)π(θ|xobs)dθ
fonte
P = B/(B+1)
Alguma de sua confusão pode resultar de pegar o número 95/5 diretamente do fato de o valor de p ser 0,05 - é isso que você está fazendo? Eu não acredito que isso esteja correto. O valor p para um teste t, por exemplo, reflete a chance de obter a diferença observada entre médias ou uma diferença mais extrema se a hipótese nula for de fato verdadeira. Se você obtiver um valor p de 0,02, você diz 'ah, há apenas 2% de chance de obter uma diferença como essa ou uma diferença maior, se o nulo for verdadeiro. Isso parece muito improvável, então proponho que o nulo não seja verdadeiro! '. Esses números não são exatamente a mesma coisa que entra no fator Bayes, que é a razão das probabilidades posteriores dadas a cada hipótese concorrente. Essas probabilidades posteriores não são calculadas da mesma maneira que o valor p,
Como uma observação lateral, eu sugeriria uma forte proteção contra pensar em diferentes valores de AM como significando coisas particulares. Essas atribuições são completamente arbitrárias, assim como o nível de significância 0,05. Problemas como o p-hacking ocorrerão com a mesma facilidade com os fatores Bayes se as pessoas começarem a acreditar que apenas números específicos justificam consideração. Tente entendê-los pelo que eles são, que são algo como probabilidades relativas, e use seu próprio senso para determinar se você encontra um número de namorado convincente ou não.
fonte