Sbagliando s'impera

Sowey, Eric e Peter Petocz (2017). A Panorama of Statistics: Perspectives, Puzzles and Paradoxes in Statistics. Chichester, UK: John Wiley & Sons. ISBN: 9781119075820. Pagine 302. 24,68 €.

Perché, si chiederanno i miei 25 lettori, ho letto un libro come questo, costoso e un po’ di nicchia, scritto da due autori australiani?

C’è una storia, naturalmente. Anch’io faccio story-telling. Il risvolto umano dietro le aride statistiche. Sono, nel mio piccolo un affabulatore.

Nel luglio scorso ero a un convegno internazionale, a Kyoto, sull’insegnamento della statistica e – più in generale – sulla cultura dei dati. Presentavo una mia riflessione, sui rapporti tra statistica realtà e verità (niente meno), e su che cosa si può fare – in quest’epoca di fake news, di post-verità, di distorsione dei risultati della ricerca statistica e più in generale scientifica – per riconquistare la fiducia dei cittadini e per sviluppare una cultura quantitativa e statistica. Alla fine della mia esposizione e del piccolo dibattito che ne era seguito, mi si è avvicinato un signore anziano (cioè mio coetaneo) e si è presentato come Eric Sowey, uno degli autori di questo volume. Una persona tutto considerato affascinante. Mi ha detto che il mio intervento gli era piaciuto (lusinghiero quanto basta: fa sempre piacere sentirsi dire una cosa del genere, soprattutto in un contesto globale così rilevante) e – soprattutto – che era sulla stessa linea e, anzi, ci aveva scritto un libro. Poi ha tirato fuori il suo biglietto da visita, ci ha aggiunto il titolo e mi ha detto che lo avrei trovato su Amazon, anche in formato elettronico. Ed eccoci qua.

Il libro è molto originale, ma molto diverso da come me lo sarei aspettato. Tanto per cominciare, non è “divulgativo” per niente. Non lo consiglierei a chi si avvicina per la prima volta al mondo della statistica (lo dicono gli stessi autori nella loro prefazione: “We have written this book for students and their teachers, as well as for practitioners – indeed, for anyone who knows some statistics.”). Si occupa poi soprattutto della statistica come disciplina (come branca della matematica, per capirsi), e non delle statistiche, cioè dell’insieme delle informazioni sui fenomeni collettivi date ai cittadini (che è invece quello di cui mi occupo prevalentemente io, e che era anche l’oggetto del mio intervento a quella conferenza).

Si tratta però di un libro molto originale. Sostanzialmente – ci informano gli autori – è la revisione, riorganizzazione e ampiamente della rubrica Statistical Diversions che gli autori hanno pubblicato dal 2003 al 2015 sulla rivista quadrimestrale Teaching Statistics pubblicata da Wiley & Sons. Da quei 36 articoli discendono dunque i 25 capitoli in cui si articola il volume (li riporto qui sotto).

1. Why is statistics such a fascinating subject?
2. How statistics differs from mathematics
3. Statistical literacy – essential in the 21st century!
4. Statistical inquiry on the web
5. Trustworthy statistics are accurate, meaningful and relevant
6. Let’s hear it for the standard deviation!
7. Index numbers – time travel for averages
8. The beguiling ways of bad statistics I
9. The beguiling ways of bad statistics II
10. Puzzles and paradoxes in probability
11. Some paradoxes of randomness
12. Hidden risks for gamblers
13. Models in statistics
14. The normal distribution: history, computation and curiosities
15. The pillars of applied statistics I – estimation
16. The pillars of applied statistics II – hypothesis testing
17. ‘Data snooping’ and the significance level in multiple testing
18. Francis Galton and the birth of regression
19. Experimental design – piercing the veil of random variation
20. In praise of Bayes
21. Quality in statistics
22. History of ideas: statistical personalities and the personalities of statisticians
23. Statistical eponymy
24. Statistical ‘laws’
25. Statistical artefacts

Ogni capitolo ha una struttura comune: un testo (per la quale basta, nella metà dei casi, la conoscenza matematica delle superiori, e nell’altra metà è necessario però avere seguito almeno un corso introduttivo di statistica di livello universitario), cinque quesiti (preceduti da una lettera: A, il 40% del totale, per cui bastano le conoscenze delle superiori; B, il 55%, che richiedono una conoscenza universitaria; C, il restante 5%, per laureati in statistica; le risposte sono raggruppate in un capitolo finale) e una bibliografia. Il testo fa ampio uso di collegamenti ipertestuali, sia all’interno del volume, sia sul web in generale, sia al sito collegato al libro (che trovate qui).

A me l’esperimento non sembra del tutto riuscito (ma non è una “macedonia impazzita“, come la definirebbe Berlusconi) e non ne consiglio la lettura a lettori inesperti o soltanto curiosi. Ci sono però molti spunti interessanti:

Even more useful is the insight that it is statistical methods that play the major role in turning data into information and information into knowledge. (p. 3)

Quantitative literacy is, in essence, statistical literacy. (p. 21)

Several countries have, in recent years, launched initiatives to measure citizens’ well‐being (or ‘happiness’, as it is being popularly described). The concept of well‐being is easy to comprehend but by no means easy to measure. Proxies are needed. Will they be appropriate? (p. 67)

The name ‘normal’ for this distribution first appeared when Francis Galton pioneered it to a wide public in his 1889 book Natural Inheritance (p. 109)

Galton was so moved by his and his predecessors’ discoveries that he imbued the normal distribution with an almost mystical character […] (p. 109)

[…] ‘hypothesis generation’ rather than ‘hypothesis testing’. (p. 132)

Statisticians distinguish data on a quantitative variable from data on a qualitative variable by saying that the former are values, whereas the latter are states. (p. 159)

The history of statistical ideas since about 1600 is a grand saga of intellectual endeavour. It tells of achievements in these major areas: how to conceptualise, measure and analyse chance in human experience; how to detect authentic ‘big picture’ meanings in detailed real‐world (and, therefore, chance‐laden) data; and – from the knowledge gained in those inquiries – how to evolve a set of inductive principles for generalising the detected meanings, as reliably as possible, to wider contexts. (p. 166)

It is an interesting connection between the old and the new that, in the Quechua version of Windows, the word Kipu (spelled without an ‘h’) is used for ‘file’! (p. 193)

[Artefact as] ‘‘a non‐material human construct’. (p. 193)