"Намір слідчого" та порогові значення / р-значення

Я читаю слайди Джона Крушке "Аналіз даних байєсівських даних" , але насправді виникає питання щодо його інтерпретації t-тестів та / або всієї системи тестування значущості гіпотез. Він стверджує, що значення p не визначено, оскільки вони залежать від намірів слідчого.

Зокрема, він наводить приклад (сторінки 3-6) двох лабораторій, які збирають однакові набори даних, порівнюючи два способи лікування. Один лабораторій зобов’язується збирати дані від 12 суб'єктів (6 за умову), а інший збирає дані за фіксовану тривалість, що також дає 12 суб'єктів. Відповідно до слайдів, критичне значення для відрізняється між цими двома схемами збору даних: для першої, але для останньої. !$t$$p<0.05$$t_{\textrm{crit}}=2.33$$t_{\textrm{crit}}=2.45$

Повідомлення в блозі - якого я зараз не можу знайти - припускає, що сценарій з фіксованою тривалістю має більшу ступінь свободи, оскільки вони могли збирати дані від 11, 13 або будь-якої іншої кількості предметів, а сценарій з фіксованим N - визначення, має .$N=12$

Чи не могли б мені хтось пояснити:

• Чому критичне значення буде відрізнятися між цими умовами?

• (Якщо припустити, що це питання) Як би ви могли виправити / порівняти ефекти різних критеріїв зупинки?

Я знаю, що встановлення критеріїв зупинки на основі значущості (наприклад, вибірка до ) може збільшити шанси помилки типу I, але це, схоже, не відбувається тут, оскільки жодне правило зупинки не залежить від результату аналіз.$p<0.05$

Ось ще додаткова інформація: http://doingbayesiandataanalysis.blogspot.com/2012/07/sampling-distributions-of-t-when.html

Більш повна дискусія надана тут: http://www.indiana.edu/~kruschke/BEST/ Ця стаття розглядає значення p для зупинки на порозі N, зупинки на пороговій тривалості та зупинки на пороговому значенні t.

Нарешті я простежив папір, пов’язаний зі слайдами: Kruschke (2010) , також доступний безпосередньо від автора (через CiteSeerX) тут , оскільки журнал не розповсюджується широко. Пояснення трохи прозаїчне, але я все ще не впевнений, що купую.

У випадку фіксованого N критичне значення значення обчислюється наступним чином: зразки беруть випадковим чином із (тієї ж) сукупності та обчислюють -значення. Цей процес повторюється багато разів для створення нульового розподілу. Нарешті, повинен бути 95-м перцентилем цього розподілу.2 N t t c r i $t$$2N$$t$$t_{crit}$

У випадку фіксованої тривалості він припускає, що суб'єкти отримують середню швидкість . Нульовий розподіл будується повторенням двох етапів. На першому кроці кількість об'єктів для кожної умови і виводиться з розподілу можливостей з параметром . Далі, та випадкові розіграші з сукупності використовуються для обчислення -значення. Це повторюється багато разів, і встановлюється як 95-й перцентиль цього розподілу.N 1 N 2 λ N 1 N 2 t t c r i $\lambda$$N_1$$N_2$$\lambda$$N_1$$N_2$$t$$t_{crit}$

Це здається мені трохи зухвалим ... Як я розумію, немає жодного розподілу; натомість це сімейство розподілів, форма яких частково визначається параметром градусу свободи. Для фіксованого умови існує суб'єктів на групу, а відповідне t- значення для непарного t-тесту - це те, що має 2 N - 2 ступеня свободи, імовірно, те, що відтворює його моделювання. N $t$$N$$N$$t$$2N-2$

В іншій умові, схоже , розподіл у формі " " насправді є комбінацією зразків з багатьох різних t -розподілів, залежно від конкретних креслень. Встановивши λ = N , можна було б отримати середній ступінь свободи рівним 2 N - N , але цього недостатньо. Наприклад, середнє значення t -розподілів для ν = 1 і ν = 5 не здається t -розподілом з 3 ступенями свободи.$t$$t$$\lambda=N$$2N-N$$t$$\nu=1$$\nu=5$$t$

Підсумовуючи:

• $t_{crit}$
• $t$
• Я не переконаний, що це насправді проблема, але з радістю прочитаю / підняв / прийму відповіді, якщо хтось думає інакше.