Die Zukunft der Statistik


11

Diese Frage kam mir in den Sinn, als ich in einem öffentlichen Vortrag über ungelöste Fragen der Mathematik saß. Es ist bekannt, dass es noch viele ungelöste mathematische Fragen gibt. Ich habe darüber nachgedacht, was die ungelösten Probleme in der Statistik sind. Nachdem ich einige Zeit damit verbracht habe, dieses Thema zu googeln, glaube ich nicht, dass es eine relativ detaillierte Diskussion zu dieser Frage gibt. Daher würde ich wirklich gerne hören, was die Leute darüber denken. Wohin geht die Statistik als Disziplin? Sollten wir mehr Zeit für die Verbesserung der Theorie aufwenden oder uns darauf konzentrieren, wie bestimmte Daten aus allen Arten von wissenschaftlichen Experimenten analysiert werden können? Jeder Gedanke dazu wird sehr geschätzt. Vielen Dank!


2
Bevor wir über ungelöste Probleme in der Statistik sprechen können, müssen wir Statistiken definieren. Dimitriy Masterov gab eine Antwort unter Einbeziehung der Ökonometrie und Aksakal unter Einbeziehung der Datenwissenschaft. In der Mathematik wurden Hilberts Probleme zu einer Zeit zusammengestellt, als es vielleicht was gab, 100? 200? Top-Mathematiker auf der ganzen Welt, und die meisten von ihnen würden zustimmen, dass ja, jedes der 23 Probleme sowohl ein wichtiges zu lösendes als auch ein niedliches Problem ist, das man in seinem Lebenslauf haben sollte. Heutzutage gibt es viel mehr Statistiker, und sie sind zu beschäftigt, um sich zu koordinieren.
StasK

Antworten:


7

Meiner Meinung nach sollten Statistiken, die sich in den Randbereichen der Statistik in der Nähe der Sozialwissenschaften bewegt haben , mehr mit anderen Disziplinen sprechen und sich besser darauf beziehen, und Statistiker sollten mehr Zeit darauf verwenden, zu lernen, wie sie besser kommunizieren können (a) wofür sie nützlich sind, (b) ) was ihre Ergebnisse in Bezug auf diese Disziplin bedeuten, (c) warum diese anderen Disziplinen besser mit Statistikern zusammenarbeiten als ohne sie. Ich weiß nicht, ob die Zukunft der Statistik davon abhängt, aber in ihrer kurzen Geschichte gab es zu viele verpasste Möglichkeiten, da andere Disziplinen ihre eigenen statistischen Methoden erfandenwenn die eigentliche Statistik nicht liefern konnte. Nahezu jede andere wissenschaftliche / Forschungsdisziplin, von Biologie bis Anthropologie, von Psychiatrie bis Bauingenieurwesen, kann leicht eine Liste mit 5-10-20 offenen Fragen erstellen, die Statistiken beantworten sollen.


10

David Cox erklärte alles in seinem Interview .

@ocram zeigte auf Q14-15. Interessanterweise fand ich auch seine Antworten aufschlussreich. Ich war sehr skeptisch gegenüber dem Big Data- Hype. Die Physiker beschäftigten sich jahrzehntelang mit enormen Datenmengen ohne viel Lärm und lästige Werbung, ebenso die Genforscher. Sobald sich die Marketing-Leute engagiert haben, ist es Justin Bieber von Statistics. Cox hat jedoch Recht, dass wir in den Sozialwissenschaften nie große Datenmengen zur Verfügung hatten, vielleicht mit Ausnahme der quantitativen Finanzierung. Tatsächlich wurden viele ökonometrische Techniken speziell für kleine Proben entwickelt. Daher ist es interessant, was sich aus Big Data Push ergibt, vielleicht einige aufregende Entwicklungen in der Statistik. Ich denke, der Schwerpunkt würde auf den Sozialwissenschaften liegen, wo es keine guten Modelle für irgendetwas gibt. Schlechte Modelle und wenig Daten können sich erheblich von schlechten Modellen und vielen Daten unterscheiden. Vielleicht liegt der Schwerpunkt weniger auf dem Verständnis von Phänomenen, um nur die genauen Vorhersagen durch bloßes Datenvolumen und clevere Statistiken zu erhalten.


Fragen 14-17.
Ocram

3
"Jetzt, wo sich die Marketing-Leute engagiert haben, ist es Justin Bieber von Statistics." - Sehr schön.
Gregory_britten

Das ist ein interessantes Urteil zur Ökonometrie. Ich dachte, Ökonomen haben sich in ihren Grundlagen wie GMM hauptsächlich auf die asymptotische Theorie verlassen . Die süßesten empirischen Wirtschaftspapiere haben das verwendet, was jetzt als Big Data bezeichnet wird, z. B. alle Geburtsdaten des Bundesstaates Kalifornien .
StasK

Ökonometrie ist ein ziemlich weites Feld, GMM ist ein beliebtes Werkzeug in der Ökonomie, aber alle möglichen anderen Techniken werden verwendet, wie dynamische Programmierung und Markov-Entscheidungsprozesse in der Mikroökonometrie, MIDAS im Nowcasting usw. Es macht viel Spaß.
Aksakal

3

Wie man über kausale Inferenz nachdenkt, wenn es Störungen der Behandlungskontrolle oder allgemeine Gleichgewichtseffekte gibt.

Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.