Em que sentido a noção de probabilidade frequentista é objetiva?


Já vi algumas pessoas contrastarem as concepções de probabilidade Bayesiana e Frequentista do seguinte modo: os primeiros consideram que a aleatoriedade é um problema de conhecimento, subjetivo, enquanto os segundos interpretam a aleatoriedade como inerente ao processo físico, algo objetivo.

Esta contraposição não me parece a principal, além de ser bastante imprecisa.

Grosso modo, a probabilidade frequentista é definida da seguinte maneira. Suponha um conjunto arbitrário de condições complexas S. Defina a probabilidade p do evento A como o limite de ocorrências do evento A sob tais circunstâncias S,  p=P(A/S).

Em que sentido esta definição de probabilidade – e de aleatoriedade –  seria objetiva?

Kolmogorov expõe:

Para dadas condições S as propriedades de o evento A ser aleatório e de ter a probabilidade p=P(A/S) expressa o caráter objetivo da conexão entre S e o evento A. Em outras palavras, não existe nenhum evento absolutamente aleatório; um evento é aleatório ou determinístico dependendo da conexão sob a qual é considerado, mas sob certas condições um evento pode ser aleatório em um sentido completamente não subjetivo, i.e., independentemente do conhecimento de qualquer observador. Se nós imaginarmos um observador que domine todos os detalhes e circunstâncias particulares do lançamento de um projétil, e portanto é capaz de prever para cada um seu desvio com relação à trajetória média, sua presença ainda assim não impediria os projéteis de se dispersarem conforme as leis da probabilidade, desde que, obviamente, o tiro fosse feito da maneira usual, e não conforme as instruções de nosso atirador imaginário.

Ou seja, a aleatoriedade “percebida” pelo sujeito é determinada pelos conjuntos ou subconjuntos de S que este é capaz de distinguir.

Para aquele que apenas consegue discernir que o projétil foi disparado pelas condições S, A trata-se de um evento aleatório cuja probabilidade, em um tiro específico, é p=P(A/S). Já, por exemplo, para um outro observador capaz de distinguir cada subconjunto específico do lançamento S’, o evento A é determinístico, e este é capaz de dizer de antemão, para cada projétil, se p’=P(A/S’) é igual a zero ou um – muito embora sua capacidade não modifique a distribuição sob S.

Isto é, nesta definição, existe tanto um caráter “físico” da aleatoriedade (a distribuição de resultados sob S é definida independentemente do seu conhecimento), quanto um caráter “subjetivo” e informacional para a aleatoriedade “percebida” (a probabilidade que você percebe para o evento A, em um teste específico, depende do seu conhecimento).

Ainda o Nobel: sobre a Matemática


Aproveitando o prêmio Nobel, o EconLog trouxe uma passagem do artigo de Galey e Shapley, sobre a matemática, que vale ser citada integralmente:

Finally, we call attention to one additional aspect of the preceding analysis which may be of interest to teachers of mathematics. This is the fact that our result provides a handy counterexample to some of the stereotypes which non-mathematicians believe mathematics to be concerned with.

Most mathematicians at one time or another have probably found themselves in the position of trying to refute the notion that they are people with “a head for figures.” or that they “know a lot of formulas.” At such times it may be convenient to have an illustration at hand to show that mathematics need not be concerned with figures, either numerical or geometrical. For this purpose we recommend the statement and proof of our Theorem 1. The argument is carried out not in mathematical symbols but in ordinary English; there are no obscure or technical terms. Knowledge of calculus is not presupposed. In fact, one hardly needs to know how to count. Yet any mathematician will immediately recognize the argument as mathematical, while people without mathematical training will probably find difficulty in following the argument, though not because of unfamiliarity with the subject matter.

What, then, to raise the old question once more, is mathematics? The answer, it appears, is that any argument which is carried out with sufficient precision is mathematical, and the reason that your friends and ours cannot understand mathematics is not because they have no head for figures, but because they are unable [or unwilling, DRH] to achieve the degree of concentration required to follow a moderately involved sequence of inferences. This observation will hardly be news to those engaged in the teaching of mathematics, but it may not be so readily accepted by people outside of the profession. For them the foregoing may serve as a useful illustration.

O Noah Smith também aproveita o tema para desenvolver um pouco sobre a matemática e a economia.

Experimentos na Economia


Bastante interessante a entrevista com John List, em que ele defende um maior uso de experimentos na Economia.

Um dos experimentos que ele menciona é sobre a aversão à perda. Alunos que recebiam 20 dólares no início das aulas e tinham de tirar notas boas para mantê-los, na média, acabavam indo melhor na disciplina do que aqueles alunos a quem eram prometidos 20 dólares ao final do curso caso tirassem boas notas. A interpretação do resultado é a de que as pessoas tem mais medo de “perder” algo que já têm do que “perder” algo que ainda vão ganhar.

Gostaria de ver isso replicado aqui no Brasil, mas com a seguinte questão: será que turmas em que os alunos começam o semestre com a nota 10, e vão perdendo pontos caso falhem nas atividades propostas, irão realmente superar em grande montante o rendimento de alunos que comecem com a nota zero, e vão acumulando pontos caso completem com sucesso os exercícios de aula?

Acredito haver muito espaço para economia experimental no Brasil. Nos últimos 4 anos da RBE (2008-2011), apenas um artigo tratou do tema.

(via Mankiw)

P-valor não é probabilidade a posteriori!


Quando saiu a “descoberta” do Bóson de Higgs, praticamente todos os jornais divulgaram a notícia confundindo o p-valor da pesquisa como a probabilidade a posteriori de se cometer um erro. Esta confusão é muito mais comum do que se imagina, inclusive entre os próprios professores e livros de estatística (vide, por exemplo, Haller e Kraus, 2002 ou Gigerenzer, 2000).

A esse respeito, neste último final de semana, vi uma apresentação de uma aula de métodos quantitativos de um ótimo curso de pós-graduação em que se afirmava que o p-valor indicaria, “informalmente”, a probabilidade de a hipótese nula ser verdadeira. Isso não é verdade, nem informalmente – essas duas probabilidades podem até coincidir, mas apenas em circunstâncias específicas, pois ambas podem ser arbitrariamente distantes, a depender dos pressupostos a priori (vide DeGroot, 1973 ou Casella e Berger, 1987 para casos em que coincidem. Vide Berger e Selke 1987, para casos gerais em que não).

Vale a pena, portanto, recolocar aqui o link para um breve video sobre o p-valor. Provavelmente voltarei a este assunto em breve (p<5% ?).

HALLER, H.; KRAUSS, S. Misinterpretations of significance: A problem students share with their teachers? Methods of Psychological Research Online. v.7(1), p. 1–20. 2002.

GIGERENZER, G. Adaptive Thinking—Rationality in the Real World. Oxford Univ. Press, New York. 2000.

DEGROOT, M. H. Doing What Comes Naturally: Interpreting a Tail Area as a Posterior Probability or as a Likelihood Ratio. Journal of the American Statistical Association, 68, p. 966-969, 1973.

CASELLA, G.; BERGER, R. L. Testing Precise Hypotheses: Comment. Statistical Science, v.2(3), p. 344-347, 1987b.

BERGER, J. O.; SELLKE, T. Testing a point null hypothesis: The irreconcilability of P values and evidence. Journal of the American Statistical Association, v.82(397), p. 112-122, 1987

Sobre teorias econômicas


Relendo Von Neumann e Morgenstern, Theory of Games and Economic Behavior, logo nas primeiras folhas há uma passagem que merece ser relembrada, principalmente para aqueles que acreditam em uma explicação geral para tudo, em monismo teórico ou metodológico na economia:

First let us be aware that there exists at present no universal system of economic theory and that, if one should ever be developed, it will very probably not be during our lifetime. The reason for this is simply that economics is far too difficult a science to permit its construction rapidly, especially in view of the very limited knowledge and imperfect description of the facts with which economists are dealing. Only those who fail to appreciate this condition are likely to attempt the construction of universal systems. Even in sciences which are far more advanced than economics, like physics, there is no universal system available at present.

O que é a probabilidade a posteriori


Deborah Mayo achou que o vídeo do post anterior, sobre as más interpretações do p-valor, parte implicitamente do pressuposto de que, caso o resultado tivesse sido divulgado em forma de uma probabilidade a posteriori, não haveria problemas de interpretação.

Mayo propõe, assim, um rejoinder, com um diálogo evidenciando as dificuldades – em alguns casos maiores – da inversão bayesiana.

O que é o p-valor


Já havíamos falado do p-valor aqui, aqui, aqui e aqui. Agora veja este vídeo sobre o p-valor, explicando que, diferentemente do que as pessoas fazem na prática, você: (i) não pode inverter a probabilidade; (ii) não pode comparar diferentes p-valores com amostras diferentes como medida de evidência (isto é, um p-valor menor não quer dizer evidência mais forte); (iii) e que significância estatística não é a mesma coisa de significância prática.

A Economia inveja a Física?


Economic Logic criticando ironicamente um artigo de econofísica. E, também, argumentando que a Economia não inveja a Física, como muitos acreditam.

Econometria (na sua maior parte) inofensiva


A controvérsia PUC-RJ vs Reinaldo Azevedo acabou por trazer à tona os nomes de Angrist e Pischke, que têm ganhado bastante destaque recentemente. Ambos são autores de um livro que tem recebido atenção dos praticantes, Mostly Harmless Econometrics: An Empiricist’s Companion. O livro basicamente trata do uso da regressão linear em contextos de experimentos naturais ou mudanças de políticas públicas (“quase experimentais”), discorrendo sobre o uso de variáveis instrumentais e differences-in-differences. Eles também tratam de dois temas bastante recentes que são a quantile regression e regression discontinuity design.

Tal qual os livros Poor Economics e Why Nations Fail, os autores mantêm um site e blog homônimo ao livro.

PS: percebi que provavelmente serão mencionados diversos livros no blog, então agora há uma nova categoria “livros” que facilita a busca.

PS2: como todos os livros citados acima, este também possui uma versão em Kindle na Amazon. Esta é a versão que eu tenho, bastante prática mas formatação péssima.

Guido Mantega sobre o Plano Real em 1994


Mailson da Nóbrega aponta para este artigo do Guido Mantega escrito para a Folha em 1994. Surreal.