Краткое содержание

arXiv:2401.15502v3 Тип объявления: replace-cross Аннотация: Дифференциальная конфиденциальность стала значимым краеугольным камнем в области научного гипотезного тестирования с использованием конфиденциальных данных. При сообщении научных открытий байесовские тесты широко применяются, поскольку они эффективно обходят ключевые критические замечания в адрес P-значений, а именно: отсутствие интерпретируемости и невозможность количественной оценки доказательств в поддержку конкурирующих гипотез. Мы представляем новую рамку дифференциально-конфиденциального байесовского тестирования гипотез, которая естественным образом возникает в рамках обоснованного механизма генерации данных, неизменно сохраняя интерпретируемость получаемых выводов. Более того, сосредоточившись на дифференциально-конфиденциальных байесовских факторах, основанных на широко используемых тестовых статистиках, мы обходим необходимость моделирования полного механизма генерации данных и обеспечиваем существенные вычислительные преимущества. Мы также предоставляем набор достаточных условий для установления результатов о согласованности байесовского фактора при предложенном подходе.