Bayesci Güç Analizi (Teminat)
Bayesian Power Analysis (Assurance / Bayesian Sample Size Determination) · Ayrıca şöyle bilinir: assurance, bayesian sample size determination, bayesian assurance, Bayesian Güç Analizi (Assurance / Bayesian Sample Size)
Bayesci güç analizi – diğer adıyla teminat – sıklıkçı (frequentist) güç kavramını, etki büyüklüğü üzerindeki önsel (prior) dağılım üzerinden olasılık ağırlıklı ortalama ile değiştiren bir örneklem büyüklüğü belirleme yöntemidir. İlk olarak Spiegelhalter ve Freedman (1986) tarafından biçimselleştirilmiş ve O'Hagan, Stevens ve Campbell (2005) tarafından daha da geliştirilmiş olup, şu soruyu yanıtlar: Gerçek etkiye ilişkin mevcut belirsizliğimiz göz önüne alındığında, istatistiksel olarak anlamlı bir sonuç elde etme olasılığını genel olarak yüksek kılan örneklem büyüklüğü nedir?
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Etki büyüklüğü üzerinde güvenilir bir önsel dağılım – örneğin bir pilot çalışmadan, sistematik derlemeden veya uzman görüşünden elde edilen – ifade edebildiğiniz ve örneklem büyüklüğü gerekçenizin parametre belirsizliğini dürüstçe yansıtmasını istediğinizde Bayesci güç analizini kullanın. Özellikle klinik deneylerde uygundur; burada tasarım önseli ve analiz önseli kasıtlı olarak farklılık gösterebilir: tasarım önseli geniş ve gerçek belirsizliği kodlar, analiz önseli ise şüpheci veya bilgisiz (non-informative) olabilir. Yöntem sürekli ve ikili sonuçları barındırır. Grup başına en az n = 10 gereklidir; daha küçük örneklemlerde simülasyon varyansı baskın hale gelir ve sonuçlar güvenilmez olur – bunun yerine simülasyon tabanlı güç analizini kullanın.
Güçlü yönler & sınırlılıklar
- Tek bir varsayılan değer yerine etki büyüklüğü üzerindeki belirsizliği açıkça ölçer.
- Tek bir varsayılan etki büyüklüğüne göre hesaplanan sıklıkçı güce göre daha dürüst ve genellikle daha tutarlı bir teminat rakamı üretir, bu da yetersiz güçlü çalışmaları azaltır.
- Tasarım önseli ve analiz önselinin farklı olmasına izin vererek planlama inançlarını çıkarım inançlarından ayırır.
- Harici kanıtları (pilot veriler, meta-analitik tahminler) örneklem büyüklüğü planlamasına doğal olarak dahil eder.
- Bir önsel dağılımın belirtilmesini gerektirir; teminat sonucu önsele bağlıdır ve kötü seçilmiş bir önsel yanıltıcı örneklem büyüklüklerine yol açar.
- Çoğu durumda kapalı form analitik formül bulunmaz – hesaplama Monte Carlo simülasyonuna dayanır, bu da örneklem değişkenliğini beraberinde getirir.
- Sıklıkçı güç analizinden kavramsal olarak daha zordur; hakemler ve etik kurullar teminat çerçevesine aşina olmayabilir.
- Minimum anlamlı etki büyüklüğü ihtiyacını ortadan kaldırmaz; önselin yine de maddi bilgiye dayandırılması gerekir.
SSS
Teminat, sıklıkçı güçten nasıl farklıdır?
Sıklıkçı güç, tek bir sabit varsayılan etki büyüklüğünde hesaplanır. Teminat, etki büyüklüğü üzerindeki bir önsel dağılım üzerinden gücün beklentisidir. Önsel varsayılan değerde bir nokta kütlesi olduğunda, teminat tam olarak sıklıkçı güce eşittir. Diğer tüm durumlarda, teminat daha düşüktür – çünkü daha küçük olanlar da dahil olmak üzere tüm makul etkiler aralığı üzerinden ortalama alındığı için – ve bu nedenle çalışma başarısı olasılığının daha gerçekçi bir görünümünü sunar.
Etki büyüklüğü için hangi önseli kullanmalıyım?
Tasarım önseli, çalışma öncesi gerçek belirsizliğinizi yakalamalıdır. Yaygın seçimler, klinik olarak anlamlı etkinin merkezinde olduğu ve standart sapmasının bir pilot çalışma veya meta-analizden türetildiği bir Normal önsel veya daha geniş kuyruklara sahip bir Öğrenci-t önseli (daha fazla belirsizlik ifade etmek için) olabilir. Önerilen örneklem büyüklüğünün sağlam olduğunu doğrulamak için birkaç önsel altında duyarlılık analizleri çalıştırmak iyi bir uygulamadır.
Tasarım ve analiz için farklı önseller kullanabilir miyim?
Evet – ve bu yöntemin temel özelliklerinden biridir. Tasarım önseli yalnızca örneklem büyüklüğü planlaması için kullanılır ve geniş ve gerçekçi olabilir. Analiz önseli, veri toplandıktan sonraki çıkarımı yönetir ve düzenleyici bağlamlar için genellikle şüpheci veya bilgisizdir. İkisini ayrı tutmak, planlama varsayımlarının nihai çıkarımı etkilemesini önler.
Sonuç neden geleneksel güç hesaplamalarından önemli ölçüde farklılık gösterebilir?
Geleneksel güç hesaplamaları tipik olarak iyimser bir etki büyüklüğünde (genellikle minimum klinik olarak önemli fark) yapılır, bu da gerçekçi olarak makul olanın üst kuyruğunda olma eğilimindedir. Teminat, önsel olarak makul olan tüm etkiler – çoğu daha küçüktür – üzerinden ortalama alındığı için, aynı n'deki teminat daha düşüktür. Bu fark bir kusur değil, bir özelliktir: geleneksel hesaplamaların gereken örneklem büyüklüğünü sistematik olarak hafife alabileceğini ortaya koyar.
Kaynaklar
- O'Hagan, A., Stevens, J.W. & Campbell, M.J. (2005). Assurance in Clinical Trial Design. Pharmaceutical Statistics, 4(3), 187–201. DOI: 10.1002/pst.175 ↗
- Spiegelhalter, D.J. & Freedman, L.S. (1986). A Predictive Approach to Selecting the Size of a Clinical Trial, Based on Subjective Clinical Opinion. Statistics in Medicine, 5(1), 1–13. DOI: 10.1002/sim.4780050103 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). Bayesian Power Analysis (Assurance / Bayesian Sample Size Determination). ScholarGate. https://scholargate.app/tr/statistics/bayesian-power-analysis
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Bayesçi t-TestiBayesçi↔ karşılaştır
- Sıralı Analiz (Grup Sıralı Tasarım)İstatistik↔ karşılaştır
- Simülasyon Tabanlı Güç Analizi (Monte Carlo Gücü)İstatistik↔ karşılaştır