R tidyposterior summary.posterior_diff 總結模型差異的後驗分布

為差異創建可信區間。此外，當給定差異的有效大小時，會計算實際等效區域 (ROPE) 統計數據。

用法

# S3 method for posterior_diff
summary(object, prob = 0.9, size = 0, ...)

參數

object: 由 contrast_models() 生成的對象。
prob: 數字 p (0 < p < 1)，表示間隔中包含的所需概率質量。
size: 所選指標單位的有效差異大小。例如，兩個模型之間的準確度 (size = 0.05) 提高 5% 可能會被視為 "real" 差異。
...: 目前未使用

值

包含每次比較的間隔和 ROPE 統計數據的 DataFrame 。

細節

結果中包含的 ROPE 估計值是 pract_neg 、 pract_equiv 和 pract_pos 列。 pract_neg 對 -size 下麵的後驗部分進行積分(而 pract_pos 是從 size 開始的上部積分)。解釋取決於所分析的指標是越大越好還是越小越好。 pract_equiv 集成在 [-size, size] 之間。如果該值接近於 1，則這兩個模型相對於 size 不太可能有實際不同。

例子

data("ex_objects")

summary(contrast_samples)
#> # A tibble: 2 × 9
#>   contrast probability     mean   lower  upper  size pract_neg pract_equiv
#>   <chr>          <dbl>    <dbl>   <dbl>  <dbl> <dbl>     <dbl>       <dbl>
#> 1 logisti…       1      3.29e-2  0.0196 0.0462     0        NA          NA
#> 2 logisti…       0.472 -5.40e-4 -0.0142 0.0130     0        NA          NA
#> # … with 1 more variable: pract_pos <dbl>
summary(contrast_samples, size = 0.025)
#> # A tibble: 2 × 9
#>   contrast probability     mean   lower  upper  size pract_neg pract_equiv
#>   <chr>          <dbl>    <dbl>   <dbl>  <dbl> <dbl>     <dbl>       <dbl>
#> 1 logisti…       1      3.29e-2  0.0196 0.0462 0.025    0            0.168
#> 2 logisti…       0.472 -5.40e-4 -0.0142 0.0130 0.025    0.0036       0.994
#> # … with 1 more variable: pract_pos <dbl>

源代碼：R/contrasts.R

相關用法

注：本文由純淨天空篩選整理自Max Kuhn等大神的英文原創作品 Summarize Posterior Distributions of Model Differences。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。