贝叶斯统计中什么是test quantities，他的p-value 越大说明什么，是说明预测模型越好还是越不好

在贝叶斯统计中，通常不会使用p-value来进行假设检验，而是使用Bayes Factor来比较不同假设的相对支持程度。p-value是频率学派统计学的概念，它表示在零假设下观察到与样本数据一样或更极端的结果的概率。p-value越大，表示观察到的数据越符合零假设，也就是越有可能是随机产生的结果，而不是真实效应的体现。因此，p-value越大并不代表预测模型越好，反而可能说明预测模型越不好。在贝叶斯统计中，我们通常使用Bayes Factor来比较不同假设的相对支持程度，而Bayes Factor的值越大，表示支持这个假设的证据越强，因此越可能是正确的假设，也就越有可能是好的预测模型。