Black Swan'ı birkaç yıl önce okudum. Kara Kuğu fikri iyidir ve lütufsuz yanılsamaya karşı saldırı (şeyleri zar gibi oyun görürsün, bilinebilir olasılıklar var) iyidir, ancak istatistikler çılgınca yanlış temsil edilir, asıl sorun değişkenlerin yanlış olması durumunda tüm istatistiklerin dağıldığının iddia edilmesidir. normal olarak dağıtılmaz. Talebi aşağıdaki mektubu yazmak için bu yönden yeterince rahatsız oldum:
Sevgili Dr Talebi
Geçenlerde "Kara Kuğu" okudum. Senin gibi ben Karl Popper hayranıyım ve kendimi bunun içinde olduğu konusunda hemfikir olduğumda buldum. Bence senin sahte yanıltıcılığını söylemen temelde sağlam ve gerçek ve sık karşılaşılan bir soruna dikkat çekiyor. Bununla birlikte, Kısım III’ün büyük kısmının, kitabın geri kalanını itibarsızlaştırma noktasına bile olsa, genel argümanınızı kötü bir şekilde azalttığını düşünüyorum. Kara Kuğular ve “bilinmeyen bilinmeyenler” ile ilgili argümanların Kısım III'teki bazı hatalara dayanmadan dayanakları üzerinde durduğunu düşünüyorum.
İşaret etmek istediğim ana konu - ve özellikle de yanlış anlaşılan sorunlar varsa cevabınızı aramak - uygulamalı istatistik alanını yanlış beyan etmenizdir. Benim düşünceme göre, bölüm 14, 15 ve 16, büyük ölçüde, istatistikleri ve ekonometriyi yanlış temsil eden saman adam argümanına dayanır. Tarif ettiğiniz ekonometri alanı, uygulamalı istatistik, ekonometri ve aktüeryal risk teorisi (Avustralya Ulusal Üniversitesinde, ancak oldukça standart görünen metinleri kullanarak) okurken öğrettiğim alan değil. Ortaya attığınız konular (Gauss dağılımlarının kısıtlamaları gibi) lisans düzeyinde bile iyi ve tam olarak anlaşılmış ve öğretilmiştir.
Örneğin, gelir dağılımının normal bir dağılımı nasıl takip etmediğini göstermek için bazı uzunluklara gidersiniz ve bunu genel olarak istatistiksel uygulamaya karşı bir argüman olarak sunarsınız. Yetkili hiçbir istatistikçi bunu asla iddia edemez ve bu konuyla başa çıkma yolları iyi bir şekilde oluşturulmuştur. Sadece en temel "birinci yıl ekonometri" seviyesindeki teknikleri kullanmak, örneğin değişkeni logaritmasını alarak dönüştürmek, sayısal örneklerinizi çok daha az ikna edici gösterecektir. Böyle bir dönüşüm aslında söylediklerinizin çoğunu geçersiz kılar, çünkü orijinal değişkenin varyansı ortalamaları arttıkça artar.
OLS regresyonları vb. Değiştirilmiş bir cevap değişkeni ile söylediğiniz gibi yapamayan bazı ekonomistlerin olmadığından eminim, ama bu onları uygunsuz ve iyi bir şekilde belirlenmiş teknikleri kullanarak uygunsuz hale getiriyor. Bunlar, gözlemlenen gerçek (Gauss olmayan) dağılımını yansıtan, gelir gibi değişkenleri modellemek için daha uygun yollar aramak için çok zaman harcayan lisans derslerinde bile başarısız olmuş olacaklardı.
Genelleştirilmiş Doğrusal Modeller ailesi, kısmen ortaya attığınız sorunları aşmak için geliştirilen tekniklerden bir tanesidir. Üstel dağılım ailesinin çoğu (örn. Gamma, Exponential ve Poisson dağılımları) asimetriktir ve dağılımın merkezi arttıkça artan, Gauss dağılımını kullanırken belirttiğiniz problemi çözen varyansa sahiptir. Eğer bu hala çok sınırlıysa, önceden var olan bir “şekli” tamamen bırakmak mümkündür ve basitçe bir dağılımın ortalaması ile varyansı arasında bir ilişki belirtmek mümkündür (örneğin, varyansın ortalamanın karesi ile orantılı olarak artmasına izin vermek), "olasılık-olasılığı" tahmin yöntemini kullanarak.
Elbette, bu modelleme biçiminin hala çok basit olduğunu ve geleceğin geçmiş gibi olacağını düşünmemizi sağlayan entelektüel bir tuzak olduğunu iddia edebilirsiniz. Doğru olabilirsiniz ve bence kitabınızın gücü benim gibi insanların bunu düşünmesini sağlamaktır. Ancak bölüm 14-16'da kullandıklarınız için farklı argümanlara ihtiyacınız var. Örneğin, Gauss dağılımının varyansının, ortalamasına bakılmaksızın (ölçeklenebilirlikle ilgili sorunlara neden olan) bağımsız olarak sabit olduğu gerçeğine verdiğiniz büyük ağırlık geçersizdir. Gerçek hayattaki dağılımların çan eğrilerinden ziyade asimetrik olma eğiliminde olduğu gerçeğine vurgu yapıyorsunuz.
Temel olarak, istatistiklere en basit yaklaşımın aşırı basitleştirilmesini almışsınız (ham değişkenlerin Gauss dağılımına sahip olduğu gibi saf modellemesi) ve büyük ölçüde bu tür bir aşırı basitleştirilmiş yaklaşımın eksikliklerini gösterdiniz. Daha sonra, tüm alanı itibarsızlaştırmak için boşluğu açmak için bunu kullanın. Bu ya mantıkta ciddi bir atlamalı ya da bir propaganda tekniğidir. Bu talihsiz bir durum çünkü genel argümanınızdan uzaklaşıyor, çoğu (dediğim gibi) geçerli ve ikna edici buldum.
Cevap olarak söylediklerini duymak isterim. Bu konuyu ilk dile getiren kişi olduğumdan şüpheliyim.
Saygılarımla
PE