The aim of the paper is to analyze the stopping rule and the likelihood principle from a point of Bayesianism in order to explicate the role of experiment in Bayesianism. More specifically, I shall examine the reason for Bayesians to reject the rule, and then search for some way to incorporate empirical factors connected to the rule into Bayesianism. In this search we can understand a new method that Bayesians accommodate empirical evidence originated from experiments. First, I shall make a brief about the stopping rule, and then review Bayesian criticisms of it. Second, I shall examine the likelihood principle as Bayesians" principal reason for rejecting the stopping rule. Third, in order to search for the possibility that Bayesianism can well deal with experimental aspects I shall suggest two kinds of Bayesianism, the modified version of Bayesianism and the expanded version of Bayesianism; the former accepts the stopping rule by making some radical theoretical change, and the latter expands the standard Bayesianism by adding some new elements to its theoretical framework.
두 종류의 통계학은 통계적 추리를 분석하는데 있어서 근본적인 차이점을 갖는다. 사전확률과 오류확률은 그러한 차이점을 뒷받침하는 근본적인 이론적 요소이고 정지규칙은 근본적인 방법론적 요소에 해당한다. 고전통계학에서 정지규칙은 가설 검정에 필요한 증거를 확보하기 위해 수행되는 실험이 언제 정지되어야 하는가를 규정하기 때문에 그것은 고전통계학에서 필수불가결한 요소이다. 정지규칙이 고전통계학에서 어떻게 작동하는가를 보기 위해 다음의 예를 살펴보자. 우리가 특정한 질병의 치료제로서 개발된 신약이 효과적이라고 주장하는 가설을 평가하기 위해서 모집단으로부터 추출한 n명으로 구성된 표본 집합에 대해 임의실험을 한다고 가정하자. 귀무가설(null hypothesis) H0는 신약이 해당 질병의 치료제로서 효능이 없다, 즉 θ=0.5라고 주장한다고 가정하자. H0 : 신약은 해당 질병을 치료하는데 효능이 없다 (θ=0.5).
(0)
(0)