Na przykład potrzeba analizy mocy w badaniu klinicznym polega na tym, aby móc obliczyć / oszacować, ilu uczestników rekrutuje się, aby mieć szansę na znalezienie efektu leczenia (o danym minimalnym rozmiarze), jeśli taki istnieje. Rekrutacja nieskończonej liczby pacjentów jest niewykonalna, po pierwsze z powodu ograniczeń czasowych, a po drugie z powodu ograniczeń kosztów.
Wyobraź sobie więc, że przyjmujemy bayesowskie podejście do wspomnianego badania klinicznego. Chociaż teoretycznie możliwe są płaskie przeory, wrażliwość na przeor jest i tak wskazana, ponieważ niestety dostępny jest więcej niż jeden przeor płaski (co dziwne, myślę teraz, ponieważ tak naprawdę powinien istnieć tylko jeden sposób wyrażenia całkowitej niepewności).
Wyobraźmy sobie zatem, że przeprowadzamy analizę wrażliwości (model, a nie tylko wcześniejszy, również byłby tutaj analizowany). Wymaga to symulacji z wiarygodnego modelu „prawdy”. W statystykach klasycznych / częstych jest czterech kandydatów na „prawdę”: H0, mu = 0; H1, mu! = 0, gdzie albo są obserwowane z błędem (jak w naszym świecie rzeczywistym) lub bez błędu (jak w nieobserwowalnym świecie rzeczywistym). W statystykach bayesowskich są tutaj dwaj kandydaci na „prawdę”: mu jest zmienną losową (jak w nieobserwowalnym świecie rzeczywistym); mu jest zmienną losową (jak w naszym obserwowalnym świecie rzeczywistym z punktu widzenia niepewnego człowieka).
Tak naprawdę zależy to od tego, kogo próbujesz przekonać A) na podstawie próby i B) na podstawie analizy wrażliwości. Jeśli to nie ta sama osoba, byłoby to dość dziwne.
W rzeczywistości chodzi o konsensus co do tego, co jest prawdą i co potwierdza namacalne dowody. Wspólna podstawa jest taka, że rozkład prawdopodobieństwa podpisu jest możliwy do zaobserwowania w naszym prawdziwym obserwowalnym świecie, który w jakiś sposób ewidentnie ma jakąś ukrytą matematyczną prawdę, która przypadkiem dzieje się tak przez przypadek, albo przez zamierzenie. Zatrzymam się tam, ponieważ nie jest to strona sztuki, ale raczej strona nauki, albo takie jest moje rozumienie.