Disons que j'ai une expérience où je teste le temps de réaction d'un certain nombre de sujets où chaque sujet fait de nombreux essais de temps de réaction. Dans un cadre bayésien, les temps de réaction () pourrait être modélisé par un modèle hiérarchique avec une distribution préalable à la fois au niveau du sujet et pour l'ensemble du groupe de sujets. Un schéma du modèle, style Kruschke , pourrait être:
... et le code BUGS / JAGS correspondant serait:
for(i in 1:length(y)) {
y[i] ~ dnorm(mu[subj[i]], tau[subj[i]])
}
for(j in 1:nbr_of_subjects)
mu[subj[i]] ~ dnorm(M_mu, P_mu)
tau[subj[i]] ~ dgamma(S_tau, R_tau)
}
M_mu ~ dnorm(M_M, P_M)
P_mu ~ dgamma(S_P, R_P)
S_tau <- pow(m , 2) / pow(sd, 2)
R_tau <- m / pow(sd, 2)
m ~ dgamma(S_m, R_m)
sd ~ dgamma(S_sd, R_sd)
Si je voulais comparer le temps de réaction de deux sujets, je comparerais alors leurs distributions. Si les essais de temps de réaction étaient divisés en quatre blocs, je pourrais également modéliser cela en ajoutant un niveau de bloc supplémentaire avec des priorités entre le niveau sujet et le niveau d'essai dans le diagramme (car il pourrait être le cas que le temps de réaction des sujets diffère légèrement entre les blocs pour certaines raisons).
Ma question est maintenant, si je veux comparer deux sujets, quelles distributions dois-je comparer? Je pourrais comparer la distribution des moyennes au niveau du sujet (qui définit maintenant en partie l'a priori de la moyenne au niveau du bloc) mais je pourrais aussi comparer la distribution des moyennes au niveau du bloc qui correspond àdans l'ancien modèle. D'une certaine manière, il semble plus logique de comparer les sujets au niveau du sujet, mais cela fait-il une différence? Et s'il y a très peu de blocs, disons deux, la distribution des moyens au niveau du sujet ne serait-elle pas très "large"?
la source