Statistical Power Calculations Revisited: Incorporating Beliefs About Effect Sizes

Переосмысление Статистической Мощности с Учетом Ожидаемых Эффектов Документ представляет собой научную работу, посвящённую переосмыслению расчётов статистической мощности в A/B-тестировании путём включения в них представлений о распределении истинных размеров эффекта. Авторы утверждают, что традиционные методы, сосредоточенные только на дисперсии оценочных воздействий (например, минимально обнаруживаемый эффект или MDE), могут вводить в заблуждение, поскольку игнорируют вероятность возникновения больших или малых эффектов. В качестве решения предлагаются два новых подхода: средняя мощность, информированная априорными данными (для частотистов), и байесовская решающая мощность (для байесианцев), которые учитывают вероятностное распределение истинных эффектов. Эти методы обеспечивают более реалистичную оценку статистической мощности и могут быть использованы для принятия более обоснованных решений при планировании экспериментов. Авторы также приводят формулы в замкнутой форме для обоих подходов, предполагая нормальное распределение истинных воздействий. #amazon документ - https://www.amazon.science/publications/statistical-power-calculations-revisited-incorporating-beliefs-about-effect-sizes подписаться - https://t.me/arxivpaperu отправить донаты: USDT: 0xAA7B976c6A9A7ccC97A3B55B7fb353b6Cc8D1ef7 BTC: bc1q8972egrt38f5ye5klv3yye0996k2jjsz2zthpr ETH: 0xAA7B976c6A9A7ccC97A3B55B7fb353b6Cc8D1ef7 SOL: DXnz1nd6oVm7evDJk25Z2wFSstEH8mcA1dzWDCVjUj9e создано с помощью NotebookLM