An Economical Approach to Design Posterior Analyses
贝叶斯后验分析设计的低成本方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要涉及通用贝叶斯研究设计及临床例子，没有所列经济计量细分领域的直接证据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
贝叶斯后验分析设计的低成本方法
- 研究问题
- 在贝叶斯研究设计中，如何减少评估功效与第一类错误率所需的模拟，同时确定样本量、决策标准及其模拟不确定性？
- 方法与思路
- 作者将后验概率建模为样本量的函数，用两个样本量处的模拟评估其他样本量，并构造自助法区间及设计等高线图。
- 材料陈述的贡献
- 摘要称该方法能节省设计模拟，量化最优样本量与决策标准的不确定性，并通过两个临床例子展示适用性。
- 阅读关注点
- 应核对后验概率近似所需条件、两个模拟样本量的选取、跨样本量评估误差，以及最优设计自助区间的有效性。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；理论适用模型、近似范围与实际节省幅度未说明，无法据此判断刊本变化。
原文摘要
To design Bayesian studies, criteria for the operating characteristics of posterior analyses – such as power and the type I error rate – are often assessed by estimating sampling distributions of posterior probabilities via simulation. In this paper, we propose an economical method to determine optimal sample sizes and decision criteria for such studies. Using our theoretical results that model posterior probabilities as a function of the sample size, we assess operating characteristics throughout the sample size space given simulations conducted at only two sample sizes. These theoretical results are used to construct bootstrap confidence intervals for the optimal sample sizes and decision criteria that reflect the stochastic nature of simulation-based design. We also repurpose the simulations conducted in our approach to efficiently investigate various sample sizes and decision criteria using contour plots. The broad applicability and wide impact of our methodology is illustrated using two clinical examples.