Mencari tahu bagaimana mensimulasikan sesuatu sering kali merupakan cara terbaik untuk memahami prinsip-prinsip yang mendasarinya. Saya sedikit bingung bagaimana tepatnya mensimulasikan yang berikut ini.
Misalkan dan bahwa memiliki distribusi sebelumnya yaitu . Berdasarkan sampel pengamatan disingkat dengan hanya , saya tertarik untuk menunjukkan kepada non-Bayesian bahwa probabilitas posterior bahwa dikalibrasi dengan baik, misalnya, Prob mana adalah probabilitas posterior. Diskusi terkait ada di sini
Yang saya benar-benar ingin tunjukkan adalah bahwa jika seseorang melakukan pengujian sekuensial dan menghentikan pengambilan sampel ketika probabilitas posterior melebihi beberapa level seperti 0,95 probabilitas bahwa tidak .
Saya mencoba untuk meyakinkan sering bahwa probabilitas Bayesian bermakna tanpa masuk ke diskusi tentang kesalahan tipe I. Saya kira ada masalah filosofis ketika berbicara dengan seorang frequentist yang menghibur hipotesis nol dalam bahwa jika sebelumnya adalah berkesinambungan (seperti di atas) probabilitas bahwa adalah nol dan simulasi tidak diperlukan. Saya akan menghargai beberapa saran tentang bagaimana memikirkan seluruh masalah dan bagaimana merancang simulasi demonstrasi. Saya terbiasa melakukan simulasi frequentist di mana hanya disetel ke konstanta tunggal; Bayesians tidak mengkondisikan pada .
Untuk situasi sekuensial kami menetapkan ukuran sampel maksimum yang mungkin, misalnya, .
Ada sedikit masalah dengan masalah yang selalu saya pikirkan. Seorang skeptis sejati kadang-kadang khawatir tentang klaim salah efektif ( ) ketika proses tersebut benar-benar tidak memiliki efek ( ). Subltynya adalah bahwa orang yang skeptis "memilih" nol sebagai nilai khusus, dan mungkin memberikan probabilitas bukan nol pada peristiwa (?). Metode kami untuk menunjukkan bahwa posisi dikalibrasi mungkin tidak membuat senang skeptis karena skeptis benar-benar tampaknya ingin mengkondisikan pada dan sebagai Bayesians kami hanya mengkondisikan pada apa yang bisa diketahui. Mungkin ini adalah kasus di mana distribusi sebelumnya yang menggunakan statistik konflik dengan distribusi sebelumnya terputus yang skeptis gunakan?
sumber
Memperluas jawaban terbaik oleh @ juho-kokkala dan menggunakan R di sini adalah hasilnya. Untuk distribusi sebelum rata-rata populasi, saya menggunakan campuran yang sama dari dua normals dengan rata-rata nol, salah satunya sangat skeptis tentang rata-rata besar.
sumber