Bayesian design and analysis of replications in scientific experimentation.

Bayarri García, M.ª Jesús, and Martínez Beneito, Miguel Angel. "Diseño y análisis bayesianos de réplicas en la experimentación científica.." Qüestiió 21.1-2 (1997): 59-97. <http://eudml.org/doc/40192>.

@article{BayarriGarcía1997,
abstract = {En la práctica estadística es frecuente la replicación de experiencias estadísticas, justificada por muy diversos intereses: ratificar conclusiones, estudiar la variación en las respuestas cuando se experimenta sobre una población distinta, validar un modelo, detectar sesgos, etc. Al disponer, antes de replicar, de los resultados de cierto estudio previo, es razonable pensar en buscar un buen diseño para la réplica utilizando la información que dicho primer estudio proporciona. Un diseño óptimo de la réplica consistirá en decidir, asumido un modelo, sobre el menor tamaño muestral que otorga al investigador suficientes garantías de concluir con éxito en su inferencia. Una modelización jerárquica bayesiana permite precisar fácilmente las relaciones entre datos y poblaciones (original y replicada) y derivar conclusiones sobre los resultados más probables (en función del tamaño de la réplica) a través de las distribuciones a posteriori y predictivas que se obtengan.},
author = {Bayarri García, M.ª Jesús, Martínez Beneito, Miguel Angel},
journal = {Qüestiió},
keywords = {Análisis bayesiano; Modelo jerárquico; Método de Montecarlo; Réplicas},
language = {spa},
number = {1-2},
pages = {59-97},
title = {Diseño y análisis bayesianos de réplicas en la experimentación científica.},
url = {http://eudml.org/doc/40192},
volume = {21},
year = {1997},
}

TY - JOUR
AU - Bayarri García, M.ª Jesús
AU - Martínez Beneito, Miguel Angel
TI - Diseño y análisis bayesianos de réplicas en la experimentación científica.
JO - Qüestiió
PY - 1997
VL - 21
IS - 1-2
SP - 59
EP - 97
AB - En la práctica estadística es frecuente la replicación de experiencias estadísticas, justificada por muy diversos intereses: ratificar conclusiones, estudiar la variación en las respuestas cuando se experimenta sobre una población distinta, validar un modelo, detectar sesgos, etc. Al disponer, antes de replicar, de los resultados de cierto estudio previo, es razonable pensar en buscar un buen diseño para la réplica utilizando la información que dicho primer estudio proporciona. Un diseño óptimo de la réplica consistirá en decidir, asumido un modelo, sobre el menor tamaño muestral que otorga al investigador suficientes garantías de concluir con éxito en su inferencia. Una modelización jerárquica bayesiana permite precisar fácilmente las relaciones entre datos y poblaciones (original y replicada) y derivar conclusiones sobre los resultados más probables (en función del tamaño de la réplica) a través de las distribuciones a posteriori y predictivas que se obtengan.
LA - spa
KW - Análisis bayesiano; Modelo jerárquico; Método de Montecarlo; Réplicas
UR - http://eudml.org/doc/40192
ER -