استفاده از پارادایم‌های مختلف آماری احتمالا به استنباط‌های متضاد منجر شود

به گزارش ایسنا، استاد دانشگاه مینه‌سوتا در نشست رونمایی و بررسی کتاب «اصل درست‌نمایی»، تألیف جمیزبرگر – رابرت. وول پرت، در سخنرانی خود با عنوان «فلسفه استنباط آماری» اظهار کرد: در استنباط‌های آماری دو رویکرد کلاسیک تحت‌عنوان فراوانی‌گرا وجود دارد، یکی رویکرد فیشری(که کاملاً هم فراوانی‌گرا نیست) و دیگری رویکرد نیمن پیرسون است.

وی، در ادامه توضیح داد: در استنباط آماری فیشری که از روش‌هایی نظیر P-Value استفاده می‌شود ملاک عملی در این نوع نگاه ابطال‌پذیری است، یعنی این‌که هر تئوری علمی باید قابلیت ابطال‌پذیری را داشته باشد و نمی‌توان جمله علمی را بیان کرد که هیچ داده‌ای نتواند آن‌را نقض کند، که در این‌صورت این تئوری از حوزه علم خارج می‌شود.

این استاد دانشگاه مینه‌سوتا، ادامه داد: در نظریه فیشری، سعی P-Value آن است که به کمک آماره، کمیتی ساخته شود که اگر آن کمیت کوچک باشد از فرضیه حمایت نشود. روش آماری نیمن پیرسون هم متکی بر داده‌های در دست یا به اصطلاح ما بعد تجربی است. یعنی پس از دیدن نمونه‌ها از این روش آماری استفاده می‌شود.

نوربلوچی، با بیان این‌که در رویکرد درست‌نمایی نیز داده‌های در دست در تابع مربوط گذاشته می‌شود، گفت: این روش پس از دیدن داده‌ها و نمونه‌ی در دست قابل استفاده است اما روش آماری فیشری امری بین ماقبل تجربه و ما بعد از تجربه است. در این روش P-Value محاسبه و براساس داده‌های موجود آماره‌ها محاسبه می‌شوند سپس با یک Coception  و یک فاصله‌ای که از پارامتر تحت‌فرض می‌گیرید فاصله احتمال نمونه‌های دیده‌شده و دیده‌نشده (رخ‌داده و رخ‌نداده) برآورد می‌شود.

مترجم کتاب «اصل درست‌نمایی»، چالش دیگر را مفهوم احتمال در مدل احتمال دانست و گفت: هم‌اکنون در دنیا دست‌کم هفت مفهوم مختلف از معنی احتمال وجود دارد. مدل Likelihood  که این کتاب درباره‌اش منتشر شده است بر این پایه است که داده‌های مشاهداتی متکی بر مدل احتمالی است.

نوربلوچی، با اشاره به وجود ۲ مکتب فیشری و نیمن پیرسون گفت: مکتب فیشری بین رویکرد داده‌محور و رویکرد فراوانی‌گرا است و مکتب نیمن پیرسون کلاً فراوانی‌گراست یعنی شما می‌توانید در اتاقی بنشینید و ثابت کنید این آزمونی که ساخته‌اید سطح معنادارش آلفا درصد است و پس از استخراج  داده بررسی می‌کنید که آیا در ناحیه رد یا قبول قرار دارد، به‌عبارتی عددی که به‌عنوان سطح معنادار اعلام می‌کنید مربوط به آن‌چیزی است که در اتاق کارتان به‌دست آورده‌اید.

وی، تأییدگرایی  را مکتب دیگری در استنباط  آماری دانست و خاطرنشان کرد: در این روش داده جمع‌آوری و بررسی می‌شود که آیا فرضی را حمایت می‌کند یا خیر؟ در مکتب بیزگرایی نیز، مدل و این‌که نسبت به مدل عدم اطمینان داریم یا خیر؟ وجود دارد.

مترجم کتاب «اصل درست‌نمایی»، با اشاره به وجود ۳ بخش در آمار کلاسیک یا مدل آماری در ادامه تصریح کرد: این ۳ بخش شامل فضای نمونه، فضای پارامتر و سومین آن مجموعه‌ای از مدل‌های احتمالی(مجموعه‌ای از توابع احتمالی که پارامتر را به دیتا وصل می‌کند) است.

نوربلوچی، با بیان این‌که ما در مدل آماری بیزی چند تابع احتمال داریم، افزود: اگر چنان‌چه به مدل احتمالی هم اعتماد نداشته باشیم بیزگرا عنوان می‌کند من بر روی مدل‌های موجود، احتمال پیشینی می‌گذارم که به‌لحاظ فلسفی این احتمالات یا ذهنی، یا رفتاری و یا واقعی هستند.

وی، خاطرنشان کرد که در بسیاری از بررسی‌های آماری، داده‌هایی جمع‌آوری می‌شود که Relevancy (مرتبط بودن) آن کم است.

این استاد دانشگاه مینه‌سوتا، در ادامه، این پرسش را طرح کرد که در مدل‌های آماری چه چیزی می‌تواند ملاک استنباط باشد؟ و یا از چه چیزهایی استفاده می‌کنند که بتوان از داده‌ها برداشت مناسبی داشته باشند؟، در ادامه خاطرنشان کرد: از پیشنهادات انجمن علمی آمار آمریکا این است که از مفهوم بازه اطمینان استفاده شود.

نوربلوچی، ادامه داد: مولفان کتاب«اصل درست نمایی» که بیزگرا هستند، می‌کوشند تا دلایلی بیاورند تا نشان دهد با داده‌های در دست می‌توان در Likelihood  تابع احتمال درست کرد. هم‌اکنون مسیری که ما برای ساختLikelihood  طی می‌کنیم طولانی و با استفاده از مدل سه‌گانه است و بدین‌ترتیب عنوان می‌شود که Likelihood  تابعی است که دیده و ندیده را به هم ربط می‌دهد.

وی، با بیان این‌که از ملاک‌های مختلفی در بحث آماری استفاده و به استنباط‌هایی منجر می‌شود که با یکدیگر توافق ندارند، گفت: حتی ممکن است این استنباط‌ها با یکدیگر در تعارض باشند. یکی از اصولی که این کتاب می‌گوید این است که کل استنباط و اطلاعات لازم در Likelihood  متمرکز است و دو تابع درست‌نمایی که با هم متناسب هستند اعتبار یکسانی دارند.

مترجم کتاب«اصل درست‌نمایی»، با بیان این‌که واژه فلسفه واژه بزرگی است و گویا مفاهیم بزرگی در آن نهفته است، افزود: به‌نظر می‌رسد آمار هم چنین باشد و نسبت به ریاضیات نامفهوم‌تر است. 

نوربلوچی گفت: اگرچه دانشمندان مشتریان علم آمار هستند اما این کتاب برای مشتریان یا مصرف‌کنندگان به نگارش در نیامده است بلکه خاص آمارشناسان و متخصصان تفکر در نحوه استنباط علمی نوشته شده است.

وی، تصریح کرد: نویسندگان این کتاب هر دو از پیشکسوتان علم آمار هستند. برگر در مکتب بیزگرایی، فلسفه و آمار کار کرده و وولپرت نیز در این‌ زمینه ها پژوهش‌های بسیار دارد.

این استاد دانشگاه مینه‌سوتا، گفت: در ابتدا قصد داشتم نام «فلسفه استنباط آماری» را برای سخنرانی انتخاب بکنم اما به عبارت «قصه‌هایی درباره استنباط آماری» تغییر کرد. ما اهل علم و فلسفه با روایت‌ها، مفاهیمی‌ها را منتقل می‌کنیم و امید داریم شنوندگان آن‌را با علاقه بپذیرند و به آن فکر کنند.

نوربلوچی، با بیان این‌که P-Value از مفاهیم پایه‌ای در استنباطات علمی است که به آن سطح معناداری می‌گویند، ادامه داد: متأسفانه در ژورنال‌های معتبر علمی دنیا چنان‌چه این شاخص در مقاله‌ای وجود نداشته باشد آن مقاله چاپ نمی‌شود. هم‌اکنون مقالات فراوانی با موضوعات متنوع روانشناسی، اقتصاد، پزشکی، مهندسی و وجود دارد که از P-Value استفاده می شود،اما استفاده نادرست یا تفسیرهای نادرست.
وی، در ادامه توضیح داد: بسیاری از فارغ‌التحصیلان رشته مهندسی به کار آمار می‌پردازند و بسیاری از موارد چون یادگیری ماشینی،AR   و یا علم داده مفاهیم جدیدی است که فارغ‌التحصیلان رشته مهندسی ساخته و فضای جدیدی را در علم آمار ایجاد کردند.

مترجم کتاب «اصل درست‌نمایی»، با بیان این‌که در همه علوم هنوز P-Value جاری است، افزود: اما بررسی شده است و دریافتند مقالات متعدد علمی که منتشر می‌شود حتی اگر همه معیارهای علمی را هم رعایت کرده باشید صحبت در ‌باره‌ی P-Value نادرست است یا این‌که بد استفاده یا بد تعبیر و تفسیر می‌شود . 

نوربلوچی، ادامه داد: در سال ۲۰۱۶ میلادی انجمن آمار آمریکا اعلام کرد که به P-Value اعتبار زیادی داده نشود و سطح معناداری که از زمان فیشر ۵ درصد شده بود آن‌را بیشتر پایین بیاورید تا مانع از بروز برخی آشفتگی‌ها شود.

وی، با تأکید مجدد بر این‌که براساس اعلام انجمن آمار آمریکا نباید از P-Value استفاده کرد اگر چنین است سطح معناداری را باید بالا برد، در ادامه خاطرنشان کرد: علت حاصل شدن نتایج متعدد در پژوهش‌ها ایراد در ابزار استفاده‌شده است. آمار علم جدیدی است و ابزار زیادی ندارد.

این استاد دانشگاه مینه‌سوتا، در ادامه توضیح داد: مقدمه و اساس استنباط‌های جزئی و کاربردی که حتی به P-Value می‌رسد براساس یکسری پارادایم‌های بزرگتر بنا شده است که باید به آن‌ها توجه شود. اولین و پایه‌ای‌ترین آن‌ها   Meta Theory است که بیشتر فلسفه و یک ابر تئوری است دومین مولفه Theory است که این تئوری براساس محدوده دیتای ما به کمک فلسفه، ریاضی، علم روانشناسی و شرایط اجتماعی ساخته شده است، سپس Data و Model و در نهایت Evidence Base و زمینه و بستر موضوع است. و کتاب اصل درست‌نمایی، در واقع به پایه‌ای‌ترین مباحث یعنی ابر تئوری می‌پردازد.

در ادامه این نشست، علی معینی، رئیس دانشکده علوم مهندسی دانشکدگان فنی دانشگاه تهران، کار علوم مهندسی را تمرکز بر مباحثی چون علم و داده، تحلیل داده و الگوریتم برشمرد و افزود: در این کتاب (کتاب اصل درست‌نمایی) تمرکز بر روی علم داده است که از پایه‌های علم داده مباحث آمار و احتمالات به‌ویژه Likelihood است که در مباحث مختلف شبکه، داده‌کاوی و علم داده از آن استفاده می‌شود.

وی، اظهار امیدواری کرد که که این کتاب برای محققان و دانشجویان این حوزه سودمند باشد و در ادامه گفت: دکتر طاهری از اساتید برجسته دانشکده علوم مهندسی با دقت‌نظر و نظمی خاص، پیش از این، کتاب احتمال آمار مهندسی و همچنین کتاب ارزشمند شواهدی آماری را نیز منتشر کرده است.

رئیس دانشکده علوم مهندسی دانشکدگان فنی دانشگاه تهران، در ادامه و در بخش دیگر سخنانش کتاب «اصل درست‌نمایی» را کتابی اصیل و بر مبنای اصول علمی دانست و خاطرنشان کرد: نویسندگان کتاب خوب مطالب را عنوان کردند و به‌خوبی هم ترجمه شده است و برخلاف بسیاری از کتاب‌های ترجمه که برای فهم مطالب نیازمند داشتن دیکشنری در کنار کتاب ترجمه‌شده هستیم این کتاب چنین نیست.معینی، مطالعه این کتاب را به محققان و دانشجویان توصیه کرد.

این مراسم با حضور سیامک نوربلوچی، استاد دانشگاه مینه‌سوتا و دکتر سیدمحمود طاهری، علی معینی، رئیس دانشکده علوم مهندسی دانشکدگان فنی دانشگاه تهران، رضا نادری محمودی، معاون پژوهش و فناوری دانشکدگان فنی، جمعی از استادان دانشگاه‌های مختلف مهمانانی از مرکز آمار ایران و جمعی از دانشجویان در اتاق شورای دانشکدگان فنی، پردیس مرکزی برگزار شد.

انتهای پیام