Будущее статистики

11

Этот вопрос возник у меня, когда я читал публичную лекцию по нерешенным вопросам математики. Хорошо известно, что есть еще много нерешенных математических вопросов. Это заставило меня задуматься о том, каковы нерешенные проблемы в статистике. Потратив некоторое время на поиск этой темы, я не думаю, что по этому вопросу было проведено относительно подробное обсуждение. Поэтому мне бы очень хотелось услышать, что люди думают об этом. Куда движется статистика как дисциплина? Должны ли мы уделять больше времени совершенствованию теории или сосредоточиться на том, как анализировать конкретные данные, собранные во всех видах научных экспериментов? Любая мысль по этому поводу очень ценится. Спасибо!

20826
источник
2
Прежде чем мы сможем говорить о нерешенных проблемах статистики, нам нужно определить статистику. Дмитрий Мастеров дал ответ по эконометрике, а Аксакал - по науке о данных. В математике проблемы Гильберта были собраны в то время, когда, возможно, было что, 100? 200? ведущие математики во всем мире, и большинство из них согласились бы с тем, что да, каждая из 23 проблем является важной и решаемой, и симпатичной, чтобы иметь в своем резюме. В наши дни статистиков гораздо больше, и они слишком заняты, чтобы их координировать.
StasK
3
Есть ли что-нибудь полезное в en.wikipedia.org/wiki/List_of_unsolved_problems_in_statistics ?
Геренюк

Ответы:

7

По моему мнению, бродя по периметру статистики рядом с социальными науками , статистика должна больше говорить и лучше соотноситься с другими дисциплинами, а статистики должны тратить больше времени на изучение того, как лучше донести (а) для чего они полезны, (б) ) что их выводы означают с точки зрения этой дисциплины, (с) почему эти другие дисциплины лучше работать вместе со статистиками, чем без них. Я не знаю, зависит ли от этого будущее статистики, но в его короткой истории было слишком много упущенных возможностей, когда другие дисциплины изобретали свои собственные статистические методы.когда собственно статистика не смогла поставить. Почти каждая другая научная / исследовательская дисциплина, от биологии до антропологии, от психиатрии до структурной инженерии, может легко составить список из 5-10-20 открытых вопросов, на которые бы хотела получить статистику ответы.

оборота СтасК
источник
10

Дэвид Кокс объяснил все это в своем интервью .

@окрам указал на Q14-15. Интересно, что я также нашел его ответы поучительными. Я очень скептически относился к обману Big Data . Физики работали с огромными массивами данных в течение десятилетий без особого шума и раздражающей рекламы, так же как и исследователи генетики., Теперь, когда вовлечены маркетологи, это Джастин Бибер из статистики. Однако Кокс прав, что в социальных науках у нас никогда не было больших массивов данных, за исключением, может быть, количественных финансов. Фактически, многие эконометрические методы были специально разработаны для работы с небольшими образцами. Таким образом, интересно, что выйдет из толчка Big Data, может быть, некоторые интересные события в области статистики. Я думаю, что акцент будет сделан на социальных науках, где нет хороших моделей чего-либо. Наличие плохих моделей и небольшого количества данных может сильно отличаться от наличия плохих моделей и большого количества данных, возможно, будет уделено меньше внимания пониманию явлений, в пользу простого получения точных прогнозов благодаря огромному объему данных и умной статистике.

Аксакал
источник
Вопросы 14-17.
Октябрь
3
«Теперь, когда маркетологи подключились, это Джастин Бибер из статистики». - Очень хорошо.
gregory_britten
Это интересное суждение относительно эконометрики. Я думал, что эконометрики в основном опирались на асимптотическую теорию в своих основах, таких как GMM . Самые симпатичные эмпирические экономические статьи использовали то, что теперь будет называться большими данными, например, все записи о рождении штата Калифорния .
StasK
Эконометрика - довольно широкое поле, GMM - популярный инструмент в экономике, но используются все виды других методов, таких как динамическое программирование и процессы принятия решений по методу Марко в микроэкономике, MIDAS в прогнозировании текущей погоды и т. Д. Это очень забавная штука.
Аксакал
3

Как думать о причинно-следственной связи, когда есть вмешательство контроля лечения или общие эффекты равновесия.

Димитрий Васильевич Мастеров
источник