Що означає зробити розмір вибірки випадковою змінною?

Френк Харрелл запустив блог ( статистичне мислення) . У своєму прем'єрському посту він перераховує деякі ключові риси його статистичної філософії. Серед інших предметів він включає:

Зробіть розмір вибірки випадковою змінною, коли це можливо

Що означає "зробити розмір вибірки випадковою змінною"?
Які переваги цього робити? Чому це може бути кращим?

sample-size random-variable regression-strategies

— gung - Відновити Моніку
джерело

У послідовному аналізі час виникнення події трактується як випадкова величина. Це також вірний розмір вибірки.

— Майкл Р. Черник

@RichardHardy, це слід обговорити на крос- валідованих метах . Я створив тег b / c, у нас не було 1 & є багато питань щодо ACF і т. Д. Ми завжди могли зробити його синонімом.

— gung - Відновіть Моніку

Я не маю на увазі використовувати моделі, близькі до процесу збору даних, а радше беручи постійний байєсовський моніторинг задніх ймовірностей, які не потребують штрафу за кратність. Замість обчислення довільного розміру вибіркової цілі я вважаю за краще обчислити максимально можливий розмір вибірки (для затвердження бюджету) і в іншому випадку зупинитись, «коли ми отримаємо відповідь», як це зазвичай робиться для хорошого ефекту з фізики. Я розповім про це в своєму блозі http://fharrell.com за день до цього.

— Френк Харрелл
джерело

Що конкретно означає "коли ми отримаємо відповідь"? Я думаю, що проведення дослідження, поки ви не отримаєте результат, який вам сподобався (наприклад, 95% достовірний інтервал не включає 0), був би таким же розбесним у байєсівському контексті, як у частофілістському.

— gung - Відновіть Моніку

@gung зовсім не є. Байєсівський умовивід абсолютно не залежить від правила зупинки. Легко моделювати калібрування задніх ймовірностей під час ранньої зупинки, показуючи, що вони є правильними. Це одна з дивовижних розбіжностей з частістським світом. Взагалі ймовірності вперед не залежать від контексту, а ймовірності вперед залежать від того, як ви туди потрапили. Тож я зупинився б, коли задня ймовірність ефекту> 0 перевищує якесь число, наприклад 0,95, або коли вірогідний інтервал має ширину <деяке задане число.

— Френк Харрелл

Здається, ваша відповідь на коментар @ gung викликає запитання: деякі читачі можуть вважати, що якщо байєсівський висновок дійсно дозволяє "взяти вибірку до заздалегідь зробленого висновку", тим гірше для байєсівського висновку. (Я б відсилав їх до посилань у третьому абзаці тут .) З нетерпінням чекаю вашої наступної публікації в блозі!

— Scortchi

Відбір проб до недопущеного висновку відбувається лише в тому випадку, якщо попереднє використання статистиком суперечить попередньому, який використовував рецензент. Наприклад, якщо рецензент ставить масу ймовірності на нуль (тобто попередній має поглинаючий стан) і використовувана модель не робить особливого акценту на нуль, аналіз може вказувати на зупинку для позитивного ефекту, але рецензент каже, що існує недостатньо доказів для ефекту. Якщо ви моделюєте дослідження з певним попереднім і аналізуєте, використовуючи той самий попередній, задні зонди ідеально відкалібровані, а також задні засоби також ідеальні.

— Френк Харрелл