A direção p: um equivalente bayesiano do valor p?

cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br


[Esteartigofoipublicadopelaprimeiravezem[Thisarticlewasfirstpublishedon R em easystats, e gentilmente contribuiu para os R-blogueiros]. (Você pode relatar um problema sobre o conteúdo desta página aqui)


Deseja compartilhar seu conteúdo com R-blogueiros? clique aqui se você tiver um blog ou aqui se não tiver.

A estrutura bayesiana é poderosa e permite uma incrível flexibilidade e controle sobre sua análise. Dito isto, os recém-chegados frequentemente enfrentam muitos novos conceitos e ferramentas e podem se beneficiar de alguns aterramento familiar. E a p-value é um índice muito familiar (embora paradoxalmente muitas vezes incompreendido, mas esse é outro tópico).

Existe um equivalente do p-valor? Bem, depende do que “equivalente” significa. Alguns podem argumentar que o Fator de Bayes é algum tipo de equivalente, ou seja, um valor que pode ser usado para decisões e interpretação de resultados. Alguns outros sugerem que o sistema baseado em MAP p-value é outra alternativa.

Com base em um estudo de simulação (Makowski et al., 2019), acreditamos que o probabilidade de direção (p-direction, ou pd) é o mais próximo estatístico equivalente ao p-valor. o estatístico é importante aqui, simplesmente significando que os dois índices estão fortemente correlacionados. Dito isto, eles são não conceitualmente equivalente (como argumentamos no artigo, o pd é um índice de efeito existência, ao invés de significado)

Aqui está um pequeno exemplo.

Regressão freqüentista

Primeiro, você pode instalar (ou atualizar) os pacotes necessários executando o seguinte (é importante que o discernimento a versão do pacote deve ser> = 0.8.1):

install.packages(c("insight", "bayestestR", "parameters"))

Vamos começar executando uma regressão linear simples e exibindo seu resultado com o parâmetros pacote.

library(parameters)

model 
## Parameter   | Coefficient |    SE |          95% CI |    t | df |     p
## -----------------------------------------------------------------------
## (Intercept) |      145.48 | 41.58 | [60.56, 230.40] | 3.50 | 30 | 0.001
## carb        |       30.31 | 12.87 | [ 4.02,  56.59] | 2.35 | 30 | 0.025

o p-valor da relação linear entre as duas variáveis ​​é de .025 (a segunda linha no p coluna). O que uma análise bayesiana nos diz?

Leia Também  Arquivos / diretórios não padrão, Rbuildignore e inst

Regressão bayesiana (com priores planos)

Como você deve saber, uma análise bayesiana se aproxima de uma análise de máxima verossimilhança (o paradigma freqüentista típico) quando nenhuma informação é fornecida pelo anterior (e o resultado é conduzido apenas pelos dados). É o caso de priores planos, que dão uma probabilidade equivalente a todos e cada um dos seus sonhos mais loucos (consulte o Como especificar prioridades simples (e por que você normalmente não deveria) seção).

Vamos ajustar a mesma regressão acima em uma estrutura bayesiana com um plano anterior (ou seja, definindo-os como NULL)

cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br
library(bayestestR)
library(rstanarm)

model 
parameters(model)
## Parameter   | Median |          89% CI |     pd | % in ROPE |  Rhat |   ESS |                Prior
## --------------------------------------------------------------------------------------------------
## (Intercept) | 145.97 | [78.68, 212.98] | 99.92% |     0.11% | 1.000 | 55624 |       Uniform ( +- )
## carb        |  30.24 | [ 9.47,  51.26] | 98.80% |     8.50% | 1.000 | 52688 | Normal (0 +- 191.83)

Diz-nos que o p-direção é de 98,80%, ou seja, 0.9880 (observe que seus resultados podem variar um pouco devido à natureza aleatória da amostra; você pode aumentar o número de iterações para obter resultados mais estáveis). Podemos visualizar rapidamente seu significado da seguinte maneira (com o Vejo pacote):

library(see)

plot(p_direction(model))

A partir de p-direção para p-valor

Podemos converter esse valor em um p-value usando a seguinte função:

pd_to_p(0.9880)
## [1] 0.024

Como podemos ver, não estamos longe do freqüentador p-valor!

Mas, novamente, precisamos sublinhar que o p-direction tem um significado e interpretação diferentes. Refere-se ao probabilidade de o efeito ser positivo ou negativo (dependendo do sinal da mediana). Mas como o p-value, ele não pode ser usado para apoiar uma falta de efeito (para isso, os índices baseados no ROPE ou os fatores Bayes podem ser mais apropriados).

Leia Também  Como fazer o Powepoint Slides PPT usando o RStudio em 2020

Além disso, ao usar Priores informativos centralizada em 0, uma análise bayesiana sempre levará a efeitos “menos significativos”, pois o anterior puxará o posterior em direção a 0. Essa é uma maneira natural de penalizar os resultados, o que é uma coisa boa.

Em conclusão, certifique-se de entender os índices que você usa (por exemplo, check-out nossa introdução suave à análise bayesiana)!

Envolver-se

easystats é um novo projeto em desenvolvimento ativo, buscando colaboradores e apoiadores. Portanto, não hesite em nos contatar se você quer se envolver 🙂

  • Confira nossos outros posts aqui!

Fique ligado

Para ser atualizado sobre o próximos recursos e coisas legais de ciência de dados ou R, você pode siga os pacotes no GitHub (clique em um dos pacotes easystats) e depois no Assistir botão no canto superior direito), bem como o equipe easystats no twitter e on-line:



Se você chegou até aqui, por que não inscreva-se para atualizações do site? Escolha seu sabor: e-mail, Twitter, RSS ou facebook …



cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br