ポスト
#統計 ネストした2つのモデル達に関する事前に決めておいた定数の閾値を使ったベイズファクターによるモデル選択は、 (対数最大尤度比) > (自由度) log n + (nに関する定数) の型の条件で帰無仮説を棄却する仮説検定とほぼ同等。 標本サイズn→大で有意水準α→小とする仮説検定と同等になる。 pic.x.com/u5mntwtfos x.com/genkuroki/stat…
メニューを開く#統計 まとめ ネストしたモデルの場合の仮説検定での帰無仮説の棄却条件は 1 - cdf(χ²(自由度), c) = 有意水準 のときの (対数最大尤度比) > c. になる。そして * AICでのモデル選択 ↔ c = 2(自由度) * 閾値bでのベイズファクターによるモデル選択 ↔ c = (自由度) log n + 2 log b + (定数)
みんなのコメント
メニューを開く![](https://rts-pctr.c.yimg.jp/BgIFgYJGVIVv8u0nVJvw8B2FauAYMF4jOP5zFJAV4i5e72TLbER0xQeK1l8ZZ0OLn0UxBlIcTobC5e9GbBBbub6EGTIEf3Z6xRzzst0459PJt8MifX3p9CO7TyTjsbgbe8GXvPuHP4SHru6CpDkouljG0jYc5HgU4Uq9q8HTTlugqSmhc6Qhd4cMmgtASqeRlYV67OUSGjHwyiAqROqAgjS8tiEM-tE5lgKf_kOTE6Y=)
#統計 仮説検定に関するよく見る教科書的設定では実験計画の段階で標本サイズnや有意水準αを決めて固定してしまうので、標本サイズ→大のときに適切な速さで有意水準α→小とすることは考えません。 ベイズ統計もベイズファクターとP値を適切に比較するとスキルがあると視界が広がります。 x.com/genkuroki/stat…
#統計 ネストした2つのモデル達に関する事前に決めておいた定数の閾値を使ったベイズファクターによるモデル選択は、 (対数最大尤度比) > (自由度) log n + (nに関する定数) の型の条件で帰無仮説を棄却する仮説検定とほぼ同等。 標本サイズn→大で有意水準α→小とする仮説検定と同等になる。 pic.x.com/u5mntwtfos x.com/genkuroki/stat…