persona

Andrew Gelman

1 articolo

Statistico statunitense, professore di statistica e scienze politiche alla Columbia, autore con Eric Loken della formula del giardino dei sentieri che si biforcano (2013–2014). Nel sito ha un ruolo particolare, perché occupa la posizione che rende la disputa fra bayesiani e frequentisti più interessante di uno scontro fra scuole: è bayesiano dichiarato, e insieme il più insistente sul fatto che un modello vada messo alla prova con controlli che potrebbero farlo fallire. Il suo workflow bayesiano prescrive controlli predittivi a posteriori — confrontare i dati che il modello prevede con quelli che si hanno — e nello spirito sono controlli d’errore, cioè esattamente la mossa che la statistica dell’errore rivendica come propria e che il bayesianismo ortodosso considera superflua. Il contributo che l’archivio usa più spesso è però la diagnosi del 2014, e la sua forza sta nel non accusare nessuno: il p-value pubblicato può essere invalido anche quando il ricercatore ha condotto una sola analisi in perfetta buona fede, perché ciò che conta non è quante analisi abbia fatto ma quante avrebbero potuto essere fatte con dati diversi. È anche uno dei pochi in questo dibattito ad ammettere pubblicamente il limite della propria proposta: sulla preregistrazione scrive che per la maggior parte dei suoi progetti applicati sembra difficilmente praticabile, perché guardando i dati si impara molto.

  • giardino dei sentieri che si biforcano — La formula è sua, con Eric Loken, nel 2014: il titolo del working paper dice già che non serve nessuna pesca nei dati.
  • inferenza bayesiana — Sta dentro il campo bayesiano e ne è la voce meno ortodossa: il suo workflow prescrive di tentare di far fallire il proprio modello.
  • p-value — Non ne chiede l’abolizione: mostra come si invalidi da sé quando l’analisi che lo produce è stata scelta guardando i dati.
  • statistica dell’errore — La posizione più interessante della disputa: un bayesiano che rivendica i controlli d’errore come parte necessaria dell’analisi.
  • test severo — I controlli predittivi a posteriori che raccomanda sono, nello spirito, tentativi di sottoporre il modello a un test che potrebbe fallire.
Nel resto della mappa Vedi la mappa completa →