Saya mencari jawaban yang akan memuaskan pembaca yang memahami nilai-p yang sering tetapi hanya memahami dasar-dasar pendekatan Bayesian untuk statistik.
Saat ini pencarian google tidak mengungkapkan definisi baik pada halaman Wikipedia atau sumber daya lain yang diterima secara umum.
Pertanyaan ini tampaknya terkait tetapi tidak benar-benar sejak terungkap bahwa pengguna sebenarnya tidak menghitung nilai-p Bayesian. Namun, jawaban yang diterima menghubungkan ke makalah Gelman ini dalam penjelasan tentang apa nilai p Bayesian.
Jawaban:
Jika saya memahaminya dengan benar, maka nilai-p Bayesian adalah perbandingan dari beberapa metrik yang dihitung dari data Anda yang diamati dengan metrik yang sama yang dihitung dari data simulasi Anda (dihasilkan dengan parameter yang diambil dari distribusi posterior).
Dalam kata-kata Gelmans : "Dari konteks Bayesian, nilai p posterior adalah probabilitas, mengingat data, bahwa pengamatan di masa depan lebih ekstrim (yang diukur oleh beberapa variabel uji) daripada data"
Misalnya, jumlah nol yang dihasilkan dari model berbasis poisson bisa berupa metrik atau statistik uji, dan Anda bisa menghitung berapa banyak set data simulasi Anda yang memiliki fraksi nol lebih besar daripada yang Anda amati dalam data nyata Anda. Semakin dekat nilai ini menjadi 0,5, semakin baik nilai yang dihitung dari data simulasi Anda didistribusikan di sekitar pengamatan nyata.
sumber