Παράγοντας Bayes (BF₁₀)

Ο παράγοντας Bayes συγκρίνει πόσο καλά προβλέπουν τα δεδομένα δύο παραδοχές: την H₁ (υπάρχει διαφορά) και την H₀ (δεν υπάρχει). BF₁₀ = 8 σημαίνει ότι τα δεδομένα είναι περίπου 8 φορές πιο πιθανά με την H₁ απ' ό,τι με την H₀. Σε αντίθεση με την τιμή p, μπορεί να ενισχύσει και την H₀ (BF₀₁ = 1/BF₁₀).

Παράδειγμα: BF₁₀ = 8,4: μέτριες ενδείξεις για διαφορά ανάμεσα στις ομάδες. BF₀₁ = 4,8: τα δεδομένα είναι περίπου 5 φορές πιο πιθανά υπό την H₀ (καμία διαφορά) απ' ό,τι υπό την H₁ - μέτριες ενδείξεις κατά της ύπαρξης διαφοράς.

Προσοχή: Ο παράγοντας Bayes εξαρτάται από την εκ των προτέρων κατανομή (prior) (εδώ: Cauchy με r = √2/2, όπως στο JASP) και δεν είναι η πιθανότητα της H₁. Μια τιμή κοντά στο 1 σημαίνει «καμία από τις δύο πλευρές δεν τεκμηριώθηκε», όχι «δεν υπάρχει επίδραση». Η κατάταξη (από ανεκδοτολογική έως ακραία) κατά Lee και Wagenmakers (2013) είναι εμπειρικός κανόνας.