Elicitasi Prior dan Analisis Sensitivitas

Elicitasi prior menerjemahkan pengetahuan ahli ke dalam distribusi probabilitas, dan analisis sensitivitas memeriksa seberapa besar kesimpulan bergantung pada pilihan prior tersebut.

Definition

Elicitasi prior adalah proses membangun distribusi prior dari keyakinan seorang ahli menggunakan penilaian terstruktur seperti kuantil atau probabilitas; analisis sensitivitas (Bayesian robust) mengukur bagaimana posterior berubah saat prior divariasikan dalam kelas yang masuk akal.

Scope

Topik ini mencakup metode untuk memperoleh probabilitas subjektif dari para ahli, mengodekannya sebagai distribusi prior, dan menilai ketahanan melalui analisis sensitivitas terhadap kelas-kelas prior, termasuk penggunaan kelas kontaminasi dan batasan pada kuantitas posterior.

Core questions

• Bagaimana keyakinan seorang ahli diperoleh dan diubah menjadi distribusi prior?
• Bias apa yang memengaruhi penilaian probabilitas dan bagaimana elicitasi dapat menguranginya?
• Bagaimana ketahanan terhadap prior dinilai di seluruh kelas distribusi?
• Kapan pilihan prior secara material mengubah kesimpulan suatu analisis?

Key concepts

• elicitation prior
• penilaian ahli
• bias overconfidence
• analisis Bayesian robust
• kelas kontaminasi
• analisis sensitivitas

Key theories

Elicitasi terstruktur

Mengeluarkan kuantil, probabilitas, atau perbandingan dan menyesuaikan distribusi dengannya menghasilkan prior yang dapat direproduksi sambil mengendalikan bias penilaian yang terdokumentasi dengan baik seperti overconfidence.

Analisis Bayesian robust

Alih-alih satu prior tunggal, kelas prior dipertimbangkan, dan rentang kuantitas posterior yang dihasilkan menunjukkan apakah kesimpulan kuat terhadap spesifikasi prior.

Clinical relevance

Elicitasi formal dan analisis sensitivitas digunakan untuk menggabungkan opini ahli dalam penilaian teknologi kesehatan, risiko lingkungan, dan desain uji klinis, sekaligus menunjukkan bahwa kesimpulan bukanlah artefak dari prior yang arbitrer.

History

Protokol elicitasi terstruktur dikembangkan dari analisis keputusan dan psikologi penilaian, dikonsolidasikan dalam literatur terkait SHELF tahun 2006. Analisis Bayesian robust, yang diformalkan oleh Berger dan lainnya sejak tahun 1980-an, menyediakan alat pelengkap untuk menilai sensitivitas prior.

Debates

Seberapa besar prior harus diizinkan untuk mendorong kesimpulan?

Para praktisi memperdebatkan tingkat pengaruh prior yang dapat diterima dan seberapa transparan sensitivitas terhadap prior harus dilaporkan, terutama dalam pengambilan keputusan yang diatur.

Key figures

• Anthony O'Hagan
• James Berger
• Paul Garthwaite

Seminal works

• ohagan2006
• berger1990

Frequently asked questions

Apa yang harus saya lakukan jika kesimpulan saya banyak berubah dengan prior?

Sensitivitas yang kuat terhadap prior menandakan bahwa data tidak terlalu informatif tentang kuantitas yang diminati; respons yang jujur adalah melaporkan ketergantungan, mengumpulkan lebih banyak data, atau membenarkan prior dengan hati-hati daripada menyembunyikan sensitivitas.