Visualizzazione post con etichetta #tabarrok statistiche. Mostra tutti i post
Visualizzazione post con etichetta #tabarrok statistiche. Mostra tutti i post

lunedì 30 settembre 2019

NATURE, SCIENCE… E NOVELLA 2000

NATURE, SCIENCE… E NOVELLA 2000
La logica che informa i due giornali è la medesima: evitare le non notizie. Se chi cerca non trova non viene nemmeno pubblicato. Purtroppo, mentre nel mondo del gossip la cosa puo’ avere un senso, non ne ha nessuno nel mondo della scienza, dove si tollerano margini di errore fino al 5%.

MARGINALREVOLUTION.COM
Writing in PLoS Medicine, John Ioannidis says:There is increasing concern that in modern research, false findings may be the majority or even the vast majority of published research claims. However, this should not be surprising. It can be proven that most claimed research findings are false.Ioannid...

Ricordiamo che su ogni fenomeno si possono fare - esempio - 1000 ipotesi. 100 corrette e 900 scorrette. Con una tolleranza del 5%, 45 ipotesi scorrette verranno considerate vere e 5 ipotesi corrette verranno considerate false. Quindi considereremo vere 45+95 ipotesi. Quindi, tra le ipotesi supportate come vere dagli studi, il 32% è falsa. Naturalmente si possono fare esempi in cui quel 32 diventa anche 90.

mercoledì 24 marzo 2010

Trappoloni

I tre trappoloni più ricorrenti in cui cade il lettore di statistiche.

1. La "significatività" statistica indica che esiste una probabilità del 5% che la Relazione supposta non esista in presenza dei Dati sperimentali. Il che non significa una probabilità del 95% dell' esistenza di R in presenza di D. Infatti se sposando un non-biondo ho il 5% di possibilità di sposare un uomo intelligente, non significa che sposando un biondo le probabilità di accasarmi con un tipo brillante siano del 95%!**

2. La singola relazione deve essere testata in un modello. Specie nelle scienze sociali i Dati sperimentali sono ballerini e contengono essi stessi numerosi bias. In questo senso la conoscenza è olistica.

3. La lettura dei dati deve essere bayesiana, quasi sempre questo sfugge.

**Consider this simplified example. Suppose a certain dog is known to bark constantly when hungry. But when well-fed, the dog barks less than 5 percent of the time. So if you assume for the null hypothesis that the dog is not hungry, the probability of observing the dog barking (given that hypothesis) is less than 5 percent. If you then actually do observe the dog barking, what is the likelihood that the null hypothesis is incorrect and the dog is in fact hungry?

Answer: That probability cannot be computed with the information given. The dog barks 100 percent of the time when hungry, and less than 5 percent of the time when not hungry. To compute the likelihood of hunger, you need to know how often the dog is fed, information not provided by the mere observation of barking