Errors in Statistical Inference Under Model Misspecification: Evidence, Hypothesis Testing, and AIC

The methods for making statistical inferences in scientific analysis have diversified even within the frequentist branch of statistics, but comparison has been elusive. We approximate analytically and numerically the performance of Neyman-Pearson hypothesis testing, Fisher significance testing, info...

Ամբողջական նկարագրություն

Մատենագիտական մանրամասներ

Հիմնական հեղինակներ:	Brian Dennis, José Miguel Ponciano, Mark L. Taper, Subhash R. Lele
Ձևաչափ:	Artigo
Լեզու:	Inglês
Հրապարակվել է:	Frontiers Media S.A. 2019-10-01
Շարք:	Frontiers in Ecology and Evolution
Խորագրեր:	model misspecification evidential statistics evidence error rates in model selection Kullback-Leibler divergence hypothesis testing
Առցանց հասանելիություն:	https://www.frontiersin.org/article/10.3389/fevo.2019.00372/full
Ցուցիչներ:	Ավելացրեք ցուցիչ Չկան պիտակներ, Եղեք առաջինը, ով նշում է այս գրառումը!