ترجمه فارسی مقاله توقف زودهنگام بر اساس اهمیت مکرر

چکیده

For a bucket test with a single criterion for success and a fixed number of samples or testing period, requiring a $p$-value less than a specified value of $α$ for the success criterion produces statistical confidence at level $1 – α$. For multiple criteria, a Bonferroni correction that partitions $α$ among the criteria produces statistical confidence, at the cost of requiring lower $p$-values for each criterion. The same concept can be applied to decisions about early stopping, but that can lead to strict requirements for $p$-values. We show how to address that challenge by requiring criteria to be successful at multiple decision points.

چکیده به فارسی (ترجمه ماشینی)

برای آزمایش سطل با یک معیار واحد برای موفقیت و تعداد مشخصی از نمونه ها یا دوره آزمایش ، نیاز به یک ارزش $ P $ کمتر از ارزش مشخص شده α $ برای معیار موفقیت ، اعتماد به نفس آماری را در سطح 1 $ – α $ ایجاد می کند.برای معیارهای متعدد ، تصحیح Bonferroni که پارتیشن $ α $ در بین معیارها اعتماد به نفس آماری را ایجاد می کند ، با هزینه نیاز به نیاز به مقادیر پایین تر $ $ برای هر معیار.همین مفهوم را می توان در تصمیمات مربوط به توقف زود هنگام اعمال کرد ، اما این می تواند منجر به الزامات سختگیرانه برای مقادیر $ P $ شود.ما نشان می دهیم که چگونه می توان با نیاز به معیارها برای موفقیت در نقاط تصمیم گیری ، به این چالش رسیدگی کرد.