HYPOTHESIS ASSESSMENT USING THE BAYES FACTOR AND RELATIVE BELIEF RATIO
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The Bayes factor is commonly used for assessing the evidence for or against a given hypothesis H0: θ ∈ Θ0, where Θ0 is a subset of the parameter space. In this paper we discuss the Bayes factor and various issues associated with its use. A Bayes factor is seen to be intimately connected with a relative belief ratio which provides a somewhat simpler approach to assessing the evidence in favor of H0. It is noted that, when there is a parameter of interest generating H0, then a Bayes factor for H0 can be defined as a limit and there is no need to introduce a discrete prior mass for Θ0 or a prior within Θ0. It is further noted that when a prior on Θ0 does not correspond to a conditional prior induced by a parameter of interest generating H0, then there is an inconsistency in prior assignments. This inconsistency can be avoided by choosing a parameter of interest that generates the hypothesis. A natural choice of a parameter of interest is given by a measure of distance of the model parameter from Θ0. This leads to a Bayes factor for H0 that is comparing the concentration of the posterior about Θ0 with the concentration of the prior about Θ0. The issue of calibrating a Bayes factor is also discussed and is seen to be equivalent to computing a posterior probability that measures the reliability of the evidence provided by the Bayes factor.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle