teoria

statistica dell’errore

1 articolo

Nome che Deborah Mayo dà alla propria posizione — error statistics — e che è preferibile al generico frequentismo, perché ne isola la tesi filosofica invece della tecnica. La probabilità qui non misura la credibilità di un’ipotesi ma la frequenza con cui una procedura sbaglierebbe, e l’output di un’inferenza non è la probabilità che l’ipotesi sia vera: quella domanda, sostiene Mayo, non è la domanda giusta. Ciò che si può sapere è quanto severamente l’ipotesi è stata sondata, e per saperlo serve esattamente quello che la parte avversa considera irrilevante — la distribuzione campionaria, gli esiti che non si sono verificati, la regola d’arresto. La ragione è concreta e regge: gli effetti di selezione — la pesca nei dati, l’arresto opportunistico, l’ipotesi scelta dopo aver guardato — non cambiano nulla nella funzione di verosimiglianza e cambiano tutto nella probabilità d’errore. Sono quindi invisibili a un resoconto puramente verosimigliantista, mentre sono la prima causa dei risultati che non si replicano. Da qui l’accusa che Mayo porta nel 2025 sul British Journal for the Philosophy of Science: i test basati sul fattore di Bayes possono attribuire evidenza forte a una tesi anche quando poco è stato fatto per escludere i difetti di quella tesi. La risposta bayesiana migliore, che va registrata perché non è debole: un modello specificato come si deve può includere al proprio interno il processo di selezione, e un prior onesto penalizza da sé un’ipotesi pescata nel rumore. La genealogia passa da Peirce a Fisher, a Neyman e Egon Pearson, e arriva a Mayo e Aris Spanos.