Fiducialize statistical significance: transforming<i>p</i>-values into conservative posterior probabilities and Bayes factors
Notice bibliographique
Résumé
One remedy to the misuse of p-values transforms them to bounds on Bayes factors. With a prior probability of the null hypothesis, such a bound gives a lower bound on the posterior probability. Unfortunately, knowing a posterior probability is above some number cannot ensure that the null hypothesis is improbable enough to warrant its rejection. For example, if the lower bound is 0.0001, that implies that the posterior probability is at least 0.0001 but does not imply it is lower than 0.05 or even 0.9. A fiducial argument suggests an alternative estimate of the posterior probability that the null hypothesis is true. In the case that the prior probability of the null hypothesis is 50%, the estimated posterior probability is about p(lnp)2 for low p. In other cases, each occurrence of p in the formula is the p-value calibrated by multiplying it by the prior odds of the null hypothesis. In the absence of a prior, p(lnp)2 also serves as an asymptotic Bayes factor. Since the fiducial estimate of the posterior probability is greater than the lower bounds, its use in place of a bound leads to more stringent hypothesis testing. Making that replacement in a rationale for 0.005 as the significance level reduces the level to 0.001.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,147 | 0,557 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,024 |
| Communication savante | 0,011 | 0,014 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,006 | 0,024 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,005 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».