Bayesian Ex Post Facto Design — Bayesian retrospektīvā cēloņsakarību izpēte
Bayesian ex post facto dizains pēta iespējamās cēloņsakarības starp jau notikušiem mainīgajiem, nepielietojot pētnieka manipulācijas ar šiem mainīgajiem, un kvantificē nenoteiktību par šīm sakarībām, izmantojot Bayesian statistisko inferenci. Pētnieks izvēlas grupas, kas atšķiras pēc rezultāta vai iespējamā cēloņa pēc fakta, un pēc tam izmanto iepriekšējās zināšanas un novērotos datus kopā — izmantojot Bayes' teorēmu — lai novērtētu ticamus efektu izmērus, grupu atšķirības vai prognozētājus.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- Kerlinger, F. N. (1973). Foundations of Behavioral Research (2nd ed.). Holt, Rinehart and Winston. link ↗
- Kruschke, J. K. (2015). Doing Bayesian Data Analysis: A Tutorial with R, JAGS, and Stan (2nd ed.). Academic Press. ISBN: 978-0124058880
Kā citēt šo lapu
ScholarGate. (2026, June 3). Bayesian Ex Post Facto Research Design. ScholarGate. https://scholargate.app/lv/research-design/bayesian-ex-post-facto-design
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Beijesiskā inferenceStatistika↔ salīdzināt
- Cēloņu salīdzinošā izpētePētījuma dizains↔ salīdzināt
- Dizains ex post factoPētījuma dizains↔ salīdzināt
- Propensity Score MatchingPētniecības statistika↔ salīdzināt
- Retrospektīvais kohortas pētījumsEpidemioloģija↔ salīdzināt
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →