Die Zukunft der Statistik

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!

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.

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.

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