빈번한 통계를 수행 할 때 더 많은 데이터를 수집하기로 결정하기 전에 통계 테스트 결과를 보는 것과 같이 큰 목록이 없습니다. 나는 베이지안 통계와 관련된 방법론에 대해 유사한 no-nos 목록이 있는지, 특히 다음이 그 중 하나인지 궁금합니다.
나는 최근에 내가 적합했던 일부 모델에 대해 내 프로세스가 모델이 작동하는지 또는 터지는 지 확인하기 위해 정보를 제공하기 전에 먼저 모델을 맞추고 정보를 얻지 못하거나 약한 정보를 제공하기 위해 사전을 약화시키고 모델을 다시 장착하십시오.
이것에 대한 나의 동기는 실제로이 모델을 JAGS / Stan으로 작성하고 있다는 사실과 관련이 있으며, 제 생각에는 통계적인 것보다 프로그래밍 작업처럼 취급하고 있습니다. 따라서 첫 번째 실행을 수행하면서 유익한 사전 정보를 사용하여 신속하게 수렴하도록 리깅을 수행하여 필자가 작성한 모델에서 오류를 쉽게 포착 할 수 있습니다. 그런 다음 모델을 디버깅 한 후 정보가 없거나 약한 정보가있는 사전 모델로 다시 맞 춥니 다.
내 질문은이 과정에서 몇 가지 심각한 규칙을 어 기고 있는지 여부입니다. 예를 들어, 내 추론이 유효하고 연구자의 자유도를 이용하지 않으 려면 모델을 적용 하기 전에 특정 사전에 전념해야 합니까?