这个问题在课堂上提出:如果我们使用 p 值来评估实验中的假设,我们没有遵守似然原则的哪一部分:充分性还是条件性?
我的直觉是说Sufficiency,因为计算 p 值依赖于未观察到的实验结果,而Sufficiency似乎更多地处理单个实验中的观察结果,而Conditionality似乎更多地处理不同的实验。
这个问题在课堂上提出:如果我们使用 p 值来评估实验中的假设,我们没有遵守似然原则的哪一部分:充分性还是条件性?
我的直觉是说Sufficiency,因为计算 p 值依赖于未观察到的实验结果,而Sufficiency似乎更多地处理单个实验中的观察结果,而Conditionality似乎更多地处理不同的实验。
您的直觉在这里似乎是合理的,但值得更准确地说明事情。只要检验的 p 值不是充分统计量的函数,就违反了充分性原则。对于条件性原则,事情有点棘手。条件性原则最初由 Birnbaum 描述如下:
...任何实验的任何结果的证据意义与相应组分实验的相应结果相同,忽略混合实验的整体结构。[这] 可以非正式地描述为断言“未实际执行的(组件)实验的不相关性”。(伯恩鲍姆 1962 年,第 271 页)。
经典假设检验(使用 p 值作为其证据度量)是否违反了这一原则,实际上取决于导致检验的实验是否可以框架为较小组件实验的混合,这些实验有条件地发生在一些初步结果。如果可以以这种方式构建实验,则 p 值将取决于未执行的组件实验,因为它将包括这些实验中至少与实际结果一样有利于替代方案的结果的概率。执行的实验组件。这将违反条件性原则,通常除了违反充分性条件。