计算贝叶斯因子以量化实验证据：BIC近似的扩展
统计计算
2018-12-11 v2 统计方法学
摘要
贝叶斯推断为科学家提供了检验假设的强大工具。其中之一是贝叶斯因子，它指示了在看到数据后对一个假设相对于另一个假设的支持程度被更新的幅度。部分对采用该方法的犹豫可能源于对计算贝叶斯因子所需计算工具的不熟悉。先前工作表明，贝叶斯因子的闭式近似对于组间方法（如方差分析或t检验）相对容易获得。在本文中，我扩展了该近似，开发出一种直接利用通常针对ANOVA所报告信息（例如F比和自由度）的贝叶斯因子公式。在给出两个使用实例后，我报告了模拟结果，表明即使输入最少，该近似贝叶斯因子也能产生与现有软件方案相似的结果。
引用
@article{arxiv.1803.00360,
title = {Computing Bayes factors to measure evidence from experiments: An extension of the BIC approximation},
author = {Thomas J. Faulkenberry},
journal= {arXiv preprint arXiv:1803.00360},
year = {2018}
}
备注
to appear in Biometrical Letters