贝叶斯统计和传统的统计分析的区别

         传统的统计分析方法仅仅在研究设计阶段运用到相关的研究提供位置参数的先验信息和样本信息；在统计分析阶段这些信息仅仅作为传统分析结果的一个补充。然而，贝叶斯统计分析方法则是综合未知参数的先验信息和样本信息（随着观察值不晰地获取，通过贝叶斯定理，可以不断地更新相关的信息，即；今天的后验即时明天的先验），进而，求出的后验分布来推断位置参数。 
         通过对先验信息的利用，贝叶斯统计可以为后的器械审评提供更多的信息；若先验信息质量很高，则可以显著的减少样本量，缩短试验周期；同时贝叶斯方法可以随着试验的进行，灵活进 行试验中期分析和处理中速变更（包括停止一个不合理的治疗组、修改随机计划），其中修改随机 计划适用于人群敏感的医疗器械疗效评价（如；试验组收集不到病例）；贝叶斯的方法在控制治疗 过程中的随机比例变化时尤其灵活；另外，当传统的统计分析只能进行近似分析时，通过贝叶斯 分析可以获得精确地结果，并且贝叶斯统计分析在缺失值的处理方面更加灵活。 
         由于贝叶斯分析具有上述特点，并且医疗器械的更新换代更多的是在原来基础上改进，提 供了很多高质量的先验信息；因此，贝叶斯统计分析方法非常符合医疗器械的临床疗效评价。