d'Economía.net

ECONOMÍA

Cuando dije “juzga este puesto por sus méritos, no por mis calificaciones”, ¿fue antibayesiano? También una historia sobre la pérdida de orina.


Paul Alper escribe, con respecto a mi publicación en la que criticaba a un epidemiólogo y un psicólogo que bajaban de la torre de marfil para sermonearnos sobre “valores concretos como la libertad y la igualdad”:

En tu PPS escribes,

Sí, yo también bajo de la torre de marfil para dar una conferencia aquí. Tendrás que juzgar este puesto por sus méritos, no por mis calificaciones. Y si uso frases sin sentido como “valores concretos como la libertad y la igualdad”, ¡llámenme!

Si bien esto suena razonable, ¿no es una especie de anti-Bayes? Con esto quiero decir que sus calificaciones representan un previo y los méritos la (nueva) evidencia. No soy alguien que reverencia la autoridad, pero en el fondo de mi corazón tiendo a prestar más atención a un médico de la Clínica Mayo que a Stella Immanuel. Por otro lado, hace décadas, la Clínica Mayo extravió (¡perdió!) medio litro de mi orina y me cobró el doble al seguro cuando obtuvo un duplicado unas semanas después.

Alper continúa:

Si lo reflexionamos (esto fue hace más de 25 años), medio litro de orina parece una exageración, pero no mucho. El incidente realmente ocurrió y Mayo intentó cobrar por ello dos veces. Ciertamente lo he citado con suficiente frecuencia, por lo que debe ser cierto.

En la cuestión más amplia de las calificaciones y el mérito, seguramente las personas con autoridad (títulos de Harvard y Yale, empleo en la Institución Hoover, premios Nobel) se muestran indulgentes cuando se hacen declaraciones extravagantes. James Watson, sin embargo, es castigado excepcionalmente precisamente por su excepcional longevidad.

Sobre la orina no tengo nada que decir, pero sí sobre el punto bayesiano. . . ¡ten cuidado! no estoy diciendo que hacer inferencias o tomar decisiones basándose únicamente en datos locales, ignorando información previa proveniente de datos externos como las calificaciones. Lo que estoy diciendo es juzga esta publicación por sus méritos. Luego podrá hacer inferencias y decisiones de alguna manera aproximadamente bayesiana, combinando su juicio sobre este puesto con sus antecedentes basándose en su respeto por mis calificaciones, mis escritos anteriores, etc.

Esto está relacionado con el hecho de que un bayesiano quiere que todos los demás no sean bayesianos. Juzgue mi publicación por sus méritos y luego combínela con información previa. No cuentes dos veces lo anterior.



Statistical Modeling, Causal Inference, and Social Science

RELACIONADOS