考虑一项针对具有单一主要血压指标的新型高血压药物的两组随机对照试验。假设我们获得了估计的治疗效果（即治疗与对照之间的平均差）和相关的常客95％置信区间。因此，我们具有通常的常客属性RE误报率。
现在，相反，假设我们采用贝叶斯框架并获得治疗效果的后验分布，并使用它来估计治疗效果为负的后验概率。如果这种可能性很高，例如高于0.9，我们将治疗标记为“劣等”。尽管贝叶斯框架没有强调无效假设显着性检验和相关的常客属性，但人们仍然可能会问一个问题：“即使我的治疗无效，我的治疗被标记为劣等的概率是多少？”
当然，这个问题的答案取决于贝叶斯程序的属性，该属性将取决于所选择的先验条件，以及我们如何定义“无效果”，因为有些人可能会争论说永远没有“无效果” ”，即null始终为false。无论如何，我想首先从人们那里得到关于各种先验的直觉应该是什么以及我们希望这种后验概率如何表现的想法。当null为true时，p值是否为U（0,1）就应该像p值一样工作？如果是这样，即使没有效果，我们也会在10％的时间内将这种治疗标记为“无效”。是否已在各种先验条件的任何地方讨论了这个特定问题？