Statystyka częstościowa królowała w naukach empirycznych przez większość XX wieku. Początki XXI wieku wieszczą zmiany. Od kilkunastu lat pisał o nich np. Terry Speed na łamach biuletynu IMS. Pisało też wielu innych, ale Terry Speed jest biostatystykiem więc łatwiej mi się na niego powoływać. Zmiany nabrały tempa po rekomendacjach ASA sprzed kilku miesięcy dotyczących p-wartości, a więc jednej z głównych nóg statystyki częstościowej.
Jakby tego było mało, w ubiegłym tygodniu Frank Harrell opublikował post My Journey From Frequentist to Bayesian Statistics. Pierwsze zdanie to: If I had been taught Bayesian modeling before being taught the frequentist paradigm, I’m sure I would have always been a Bayesian. Mocne prawda?
Również niedawno zamieszanie wokół p-wartości spowodowały posty Andrew Gelmana z serii pizzagate. Tu co prawda czarnym charakterem nie jest sama p-wartość ale profesor, który wykorzystał p-hacking do (prawie) granic przyzwoitości.
Kolejny sygnał, że warto do edukacji statystyków i data-scientistów wprowadzać więcej statystyki Bayesowskiej. A semestr letni tuż tuż…
Mam dokładnie te same przemyślenia. Podejście bayesowskie jest dużo łatwiejsze do wytłumaczenia laikom niż pojęcia i definicje związane z p-wartościami i przedziałami ufności. Te odpowiadają na pytania, które często nikogo nie interesują. Szczególnie w sytuacji, gdy eksperymentu nie da się powtórzyć.
Oprócz wspomnianego bloga A. Gelmana polecam też blog autora kilku artykułów i bardzo fajnej książki wprowadzającej do tematu: http://doingbayesiandataanalysis.blogspot.com
Czy znasz jakiś artykuł/post/paczkę wprowadzającą do tematu w kontekście R?
https://cran.r-project.org/web/views/Bayesian.html ?