То есть, для проведения последовательного анализа (вы не знаете заранее, сколько именно данных вы будете собирать) с помощью часто используемых методов требуется особая осторожность; Вы не можете просто собирать данные, пока значение p не станет достаточно маленьким или доверительный интервал не станет достаточно коротким.
Но при проведении байесовского анализа это вызывает беспокойство? Можем ли мы свободно делать такие вещи, как сбор данных, пока достоверный интервал не станет достаточно маленьким?
Ответы:
У Роудера (2014) есть хорошая статья на эту тему (написанная для психологов), объясняющая, почему последовательное тестирование (так называемый просмотр данных ) хорошо с байесовской точки зрения. (Бумага находится в свободном доступе в Интернете, если вы выполните поиск.)
Schoenbrodt et al. (в печати) представляет хороший анализ, показывающий, как использовать последовательный анализ с байесовскими факторами, чтобы определить, когда прекратить сбор данных.
Из процедуры оценки байесовских параметров Джон Крушке имеет очень хороший пост в блоге, в котором сравниваются различные байесовские методы во время последовательного тестирования.
Надеюсь, вы найдете их помощь.
Рекомендации
Роудер, Джеффри Н. (2014). Дополнительная остановка: без проблем для байесов. Psychonomic Bulletin & Review, 21, 301-308.
Schoenbrodt, FD, Wagenmakers, E.-J., Zehetleitner, M. & Perugini, M. (в печати). Последовательное тестирование гипотез с байесовскими факторами: эффективное тестирование средних различий. Психологические методы.
источник
SPRT - хороший пример последовательного метода.
С другой стороны, в то время как байесовские модели имеют приоритеты для преодоления разреженности данных, чем больше у вас данных, тем «более узкое» ваше апостериорное распределение делает его менее пригодным для временного онлайн-обучения.
источник