Estoy usando la fórmula de la prueba ab bayesiana para calcular los resultados de la prueba AB utilizando la metodología bayesiana.
dónde
- en uno más el número de éxitos para A
- en uno más el número de fallas para A
- en uno más el número de éxitos para B
- en uno más el número de fallas para B
- es la función Beta
Datos de ejemplo:
control: 1000 trials with 78 successes
test: 1000 trials with 100 successes
Una prueba estándar de apoyo no bayesiano me da resultados significativos (p <10%):
prop.test(n=c(1000,1000), x=c(100,78), correct=F)
# 2-sample test for equality of proportions without continuity correction
#
# data: c(100, 78) out of c(1000, 1000)
# X-squared = 2.9847, df = 1, p-value = 0.08405
# alternative hypothesis: two.sided
# 95 percent confidence interval:
# -0.0029398 0.0469398
# sample estimates:
# prop 1 prop 2
# 0.100 0.078
mientras que mi implementación de la fórmula de Bayes (usando las explicaciones en el enlace) me dio resultados muy extraños:
# success control+1
a_control <- 78+1
# failures control+1
b_control <- 1000-78+1
# success control+1
a_test <- 100+1
# failures control+1
b_test <- 1000-100+1
is_control_better <- 0
for (i in 0:(a_test-1) ) {
is_control_better <- is_control_better+beta(a_control+i,b_control+b_test) /
(b_test+i)*beta(1+i,b_test)*beta(a_control,b_control)
}
round(is_control_better, 4)
# [1] 0
eso significa que es , lo que no tiene ningún sentido dados estos datos.
¿Alguien podría aclarar?
p-value
etiqueta, ya que no está relacionada.
p-value
etiqueta? Pensé que los bayesianos se negaron a tener algo que ver con los valores p.