Saya mencoba memahami Bayes Factor (BF). Saya percaya mereka seperti rasio kemungkinan dari 2 hipotesis. Jadi, jika BF 5, itu berarti H1 5 kali lebih mungkin daripada H0. Dan nilai 3-10 menunjukkan bukti sedang, sedangkan> 10 menunjukkan bukti kuat.
Namun, untuk nilai-P, 0,05 tradisional dianggap sebagai cut-off. Pada nilai P ini, rasio kemungkinan H1 / H0 harus sekitar 95/5 atau 19.
Jadi mengapa cut-off> 3 diambil untuk BF sedangkan cut-off> 19 diambil untuk nilai P? Nilai-nilai ini juga tidak dekat.
Jawaban:
Beberapa hal:
BF memberi Anda bukti yang mendukung hipotesis, sementara uji hipotesis frequentist memberi Anda bukti terhadap hipotesis (nol). Jadi itu semacam "apel untuk jeruk."
Kedua prosedur ini, terlepas dari perbedaan interpretasi, dapat mengarah pada keputusan yang berbeda. Misalnya, BF mungkin menolak sementara tes hipotesis frequentist tidak, atau sebaliknya. Masalah ini sering disebut sebagai paradoks Jeffreys-Lindley . Ada banyak posting di situs ini tentang ini; lihat misalnya di sini , dan di sini .
"Pada nilai P ini, kemungkinan H1 / H0 seharusnya 95/5 atau 19." Tidak, ini tidak benar karena, kira-kirahal ( y∣ H1) ≠ 1 - hlm ( y∣ H0) . Menghitung nilai-p dan melakukan tes yang sering, setidaknya, tidak mengharuskan Anda memiliki ide tentang hal ( y∣ H1) . Juga, nilai-p sering integral / jumlah kepadatan / pmfs, sementara BF tidak berintegrasi pada ruang sampel data.
sumber
The Bayes FaktorB01 dapat berubah menjadi probabilitas di bawah bobot yang sama sebagai
P01=11+1B01 p
sumber
P = B/(B+1)
Beberapa kebingungan Anda mungkin berasal dari mengambil angka 95/5 langsung dari fakta bahwa nilai p adalah 0,05 - apakah ini yang Anda lakukan? Saya tidak percaya ini benar. Nilai p untuk uji-t, misalnya, mencerminkan peluang untuk mendapatkan perbedaan yang diamati antara rata-rata atau perbedaan yang lebih ekstrim jika hipotesis nol sebenarnya benar. Jika Anda mendapatkan nilai ap 0,02, Anda mengatakan 'ah, hanya ada 2% peluang untuk mendapatkan perbedaan seperti ini, atau perbedaan yang lebih besar, jika nol benar. Tampaknya sangat mustahil, jadi saya mengusulkan bahwa nol itu tidak benar! '. Angka-angka ini bukan hal yang sama yang masuk ke dalam faktor Bayes, yang merupakan rasio probabilitas posterior yang diberikan untuk setiap hipotesis yang bersaing. Probabilitas posterior ini tidak dihitung dengan cara yang sama dengan nilai-p,
Sebagai catatan, saya akan menyarankan sangat menjaga terhadap berpikir nilai-nilai BF yang berbeda sebagai hal-hal tertentu yang berarti. Penugasan ini sepenuhnya arbitrer, seperti tingkat signifikansi 0,05. Masalah seperti peretasan akan terjadi seperti halnya dengan Bayes Factors jika orang mulai percaya bahwa hanya angka-angka tertentu yang perlu dipertimbangkan. Cobalah untuk memahami mereka apa adanya, yang merupakan probabilitas relatif, dan gunakan akal Anda sendiri untuk menentukan apakah Anda menemukan nomor BF bukti yang meyakinkan atau tidak.
sumber