Esta es una excelente y profunda pregunta.
Si bien los libros de texto tradicionales (como el mío ) tienden a promover los factores de Bayes como equivalentes a las probabilidades posteriores de las hipótesis nulas y alternativas o de dos modelos en comparación, lo cual es formalmente correcto como se detalla en el siguiente extracto de mi elección bayesiana , ahora tiendo a pensar que el factor de Bayes per se debe no ser utilizado para la toma de decisiones, sino más bien como una medida de la evidencia relativa de un modelo frente a la otra. Por ejemplo, usandosiπ01( x ) = 1como la línea divisoria entre nulo y alternativo (o entre el modelo a y el modelo b) no me parece una elección natural. Además, no creo que la pérdida 0-1 defendida por Neyman y Pearson y luego adoptada por casi todos tenga mucho sentido y brinde algún apoyo a la interpretación decisiva del factor Bayes.
Mi perspectiva actual sobre el factor Bayes es más en un modo predictivo anterior o posterior donde el comportamiento de siπ01( x ) se evalúa bajo ambos modelos, para calibrar el valor observado siπ01( x ) contra ambas distribuciones anteriores o posteriores de siπ01( x ). Esto nos aleja de la perspectiva decisional.
[De The Bayesian Choice , 2007, Sección 5.2.2, página 227]
Desde un punto de vista teórico de decisión, el factor Bayes es solo una transformación uno a uno de la probabilidad posterior, pero esta noción se consideró en su propio terreno en las pruebas bayesianas.
El factor de Bayes es la razón de las probabilidades posteriores del nulo y la hipótesis alternativa sobre la razón de las probabilidades anteriores del nulo y la hipótesis alternativa, es decir,
siπ01( x ) =P (θ∈Θ0 0∣ x )P (θ∈Θ1∣ x )/ /π( θ ∈Θ0 0)π( θ ∈Θ1).
Esta relación evalúa la modificación de las probabilidades de Θ0 0 en contra Θ1 debido a la (s) observación (es) y, naturalmente, se puede comparar con 1, aunque una escala de comparación exacta solo puede basarse en una función de pérdida.
El factor Bayes es, desde un punto de vista teórico de decisión bayesiano, completamente equivalente a la probabilidad posterior de la hipótesis nula como H0 0 se acepta cuando
siπ01( x ) ≥una1una0 0/ /ρ0 0ρ1=una1ρ1una0 0ρ0 0,
dónde
ρ0 0ρ1= π( θ ∈Θ0 0) y = π( θ ∈Θ1)= 1 -ρ0 0.
y donde una0 0 y una1son las sanciones por seleccionar erróneamente las hipótesis alternativas y nulas o los modelosMETRO0 0 y METRO1. respectivamente, en la formulación de Neyman-Pearson:
L (θ,φ)=⎧⎩⎨0 0una0 0una1si φ =yoΘ0 0( θ ) ,si θ ∈Θ0 0 y φ = 0 ,si θ ∉Θ0 0 y φ = 1 ,