예를 들어, 임상 시험에서 전력 분석의 필요성은 치료 효과가 존재하는 경우 (주어진 최소 크기의) 치료 효과를 발견 할 기회를 갖기 위해 모집 할 참가자 수를 계산 / 추정 할 수 있어야합니다. 시간 제약 때문에 비용 제약으로 인해 끝없는 수의 환자를 모집하는 것은 불가능합니다.
따라서 임상 시험에 베이지안 접근법을 사용하고 있다고 상상해보십시오. 비록 평범한 선행은 이론적으로 가능하지만, 불행히도, 하나 이상의 평평한 선행이 가능하기 때문에 어쨌든 선행에 대한 민감성이 권장됩니다 (실제로 불확실성을 표현하는 유일한 방법이 있어야하기 때문에 지금 생각하고 있습니다.)
따라서, 우리는 민감도 분석을 수행한다고 상상해보십시오 (이전 모델뿐만 아니라 모델도 여기에서 조사 될 것입니다). 여기에는 '진리'에 대한 그럴듯한 모델을 시뮬레이션하는 것이 포함됩니다. 고전 / 원주 통계에는 여기에 '진실'후보가 4 개 있습니다. H0, mu = 0; H1, mu! = 0 여기서 오류 (실제 세계에서와 같이) 또는 오류없이 (실제로 관찰 할 수없는 실제 세계에서) 베이지안 통계에는 여기에 '진실'에 대한 두 후보자가 있습니다. mu는 (무시할 수없는 실제 세계에서와 같이) 무작위 변수입니다. mu는 (불확실한 개인의 관점에서 볼 수있는 실제 세계에서와 같이) 무작위 변수입니다.
따라서 실제로는 A) 시행 착오와 B) 민감도 분석을 설득하려는 사람에 따라 다릅니다. 같은 사람이 아니라면 꽤 이상 할 것입니다.
실제로 문제가되는 것은 진실이 무엇인지, 그리고 실질적인 증거가 무엇인지에 대한 합의입니다. 공감대는 우연히 발생했거나 의도적으로 발생하는 근본적인 수학적 진리를 어떤 방식 으로든 실제로 관측 가능한 세계에서 시그니처 확률 분포를 관찰 할 수 있다는 것입니다. 나는 이것이 예술 페이지가 아니라 과학 페이지이기 때문에 멈추게 될 것입니다.