基本操作: 「ベイズ」などの統計学用語の検索で表示されたアカウントの投稿について「ワクチン」を検索して反ワクチンであることが判明したらブロックする。

反ワクチンの集団とベイズについてみっともないこんにゃく問答をしている人を見つけたので注意したい。

私は「有意差」や「ベイズ」などの統計学用語を定期的に検索して来たのですが、反ワクチンの活動家や支持者達の投稿が結構沢山ヒットして来てちょっと困っている。

私が読みたいのは反ワク的投稿ではなく、もっと真剣に考慮する価値がある投稿です。価値ある話題ならば少々間違っていてもよい。

反ワクチンな人達も、それなりに流行った「再現性の危機」がらみの話題も聞きかじっており、反ワクの敵を貶めるためにそういう知識を利用しようとする場合もあります。

例えば「有意差がないことは害がないことを意味しない」などなどの統計学的に正しい主張は反ワクな人達にとって利用価値がある。

相手をするだけ社会的にマイナスになるような議論はしない方が良いので、分かり易く反ワクチンだと判明したら即ブロックしています。

統計学っぽい言葉を使っていてもそれを反ワクに応用している時点でその人は統計学についても全然理解していないとみなして良いと思います。

反ワクチンの集団相手に不明瞭で曖昧な言葉遣いで対応して、こんにゃく問答を引き起こしてしまうことは、反ワクの側にエサを与える行為そのものであり、反ワクな人達の存在感を増すことに貢献することになります。そういうのはほんとやめて欲しい。

私は面倒だという理由で即ブロックしています。

反ワクチン活動家にとってありがたい存在は、低レベルな統計学万能主義について語っているように見える学者の存在を目立たせることです。

「有意差はなかった。ゆえに害はない」とか言う人は反ワク側にとって美味しい。

「科学的合理的な考え方はベイズ的」のような曖昧馬鹿なことを言うのも厳禁。

ベイズであろうがなかろうが、統計学のシンプルな仕組みは科学そのものについて語るには極めて貧弱であることを当然の前提にして行かないと、反ワクチン反医療の輩にうまく利用されてしまいます。

ベイズ統計にも非ベイズの統計学にも科学的なお墨付きを与える力はない。

#統計 どのような統計分析の結果も、数学的フィクションのモデルに依存しているので、結果の正しさは「お前ん中ではな」(モデルん中ではな)にならざるを得ないという当たり前のことに注意する必要があります。

データを見てから新たに仮説を考えることが科学的には必須になる。

View Tweet

#統計 モデルの中の「小さな世界」と複雑な現実の「大きな世界」の違いに常に注意することが必要。

View Tweet

#統計 へたに統計学的意思決定論について勉強してしまった人達は、統計学的意思決定論による「最適化」は、モデル内の「小さな世界」でのみ正しく、複雑な現実の「大きな世界」では通用しないことに注意を払う必要があります。

Greenlandさんの講演スライドもお勧め
↓
biostatistics.ucdavis.edu/sites/g/files/…

View Tweet

「ベイズ」を検索すると見つかる反ワク集団とヘタクソな言い争いをしている人物には「反ワクにエサを与えるのはやめろ」と誰か言ってあげた方がいいかも。

「ベイズ」を検索して発見した反ワクチンは即ブロック。これ結構大事。

Ken McAlinn氏が反ワクチンの集団相手にベイズ統計の信用を毀損するようなことを言いまくっているという事件が発生している。

大体において、Ken McAlinn氏のような科学半可通の哲学齧りによる統計学の解説は科学的にめちゃくちゃになり易い。

科学半可通の哲学齧りの有害性問題。

View Tweet

アンコレさんについては以下を参照。

View Tweet

Ken McAlinnのかけ算順序問題への理解度も非常に低い。

View Tweet

HARKingは「データの値を見てから立てた仮説を見る前に立てたかのように印象付ける不正行為」という意味も持ち、この言葉をあびせることは強い非難になる。Ken McAlinn氏が酷い。

データを見てから仮説を立てることは科学的には普通の行為。仮説を立てるときにはデータ外の知識も利用する。

View Tweet

Ken McAlinn氏の場合には仮説検定の理解も非常にあやしい。

View Tweet

Ken McAlinn氏の経済セミナーの記事も酷かった。

QRPが再現性の危機の主要な原因であるかのように語ることは真っ当な統計学者達(Greenland, Gelman. etc.)に強く非難されている。

P値の使用はNHSTの使用を意味しないこともGreenland氏などがよく指摘している。

View Tweet

ベイズ版95%CIがゼロをまたがなくなるまでデータを増やすのは、頻度論でnull P値が5%を切るまでデータを増やすことと、数学的にほぼ同等なので不正行為扱いするべき。

そういうことをKen McAlinn氏はクリアに言えなかった。

補足: BFと信用区間(≈信頼区間)では標本サイズ→大での漸近挙動が違う。

View Tweet

Ken McAlinn氏とストッピングルール関連

View Tweet