통계의 미래


11

이 질문은 수학에서 해결되지 않은 질문에 대한 공개 강의에 앉아있을 때 나에게 일어났습니다. 아직 해결되지 않은 수학적 질문이 많다는 것은 잘 알려져 있습니다. 통계의 미해결 문제가 무엇인지 생각하게 만들었습니다. 이 주제를 구글 화하는 데 시간을 보낸 후에, 나는이 질문에 대해 상대적으로 자세한 논의가 없다고 생각합니다. 그래서 저는 사람들이 그것에 대해 어떻게 생각하는지 듣고 싶습니다. 통계는 징계로 어디로 가고 있습니까? 이론 개선에 더 많은 시간을 할애해야합니까, 아니면 모든 종류의 과학 실험에서 수집 한 특정 데이터를 분석하는 방법에 집중해야합니까? 이것에 대한 어떤 생각이라도 대단히 감사합니다. 감사합니다!


2
통계에서 해결되지 않은 문제에 대해 이야기하기 전에 통계를 정의해야합니다. Dimitriy Masterov는 계량 경제학, Aksakal, 데이터 과학 관련 답변을 제공했습니다. 수학에서 힐버트의 문제는 100 개가 있었을 때 컴파일되었습니다. 200? 전 세계 최고의 수학자이며 대부분 23 명은 해결해야 할 중요한 문제이며 이력서에 가지고있는 귀여운 문제라는 데 동의합니다. 요즘에는 통계학자가 더 많아서 조정하기에는 너무 바쁩니다.
— StasK

답변:


7

내 생각에, 사회 과학 근처 의 통계 영역 에서 로밍 한 통계는 더 많은 이야기를하고 다른 학문과 더 관련이 있어야하며 통계학자는 더 잘 의사 소통하는 방법을 배우는 데 더 많은 시간을 소비해야합니다. ) 자신의 연구 결과가 해당 학문 측면에서 의미하는 바, (c) 이러한 다른 학문이 통계 학자와 공동 작업을하는 것보다 그렇지 않은 이유보다 더 나은 이유는 무엇입니까? 통계의 미래가 이것에 달려 있는지는 모르겠지만 짧은 역사에서 너무 많은 잊혀진 기회가 있었고 다른 분야 는 자체 통계 방법을 발명 했습니다.적절한 통계가 제공되지 않을 때. 생물학에서 인류학, 정신에서 구조 공학에 이르기까지 거의 모든 과학 / 연구 분야는 통계에 답하기를 원하는 5-10-20 개의 공개 질문 목록을 쉽게 넣을 수 있습니다.


10

David Cox는 인터뷰에서이 모든 것을 설명했다 .

@ocram은 Q14-15를 가리 켰습니다. 흥미롭게도 나는 그의 대답이 깨달음을 얻었습니다. 나는 빅 데이터의 과대 광고에 대해 회의적이었습니다 . 물리학 자들은 많은 소음과 성가신 광고없이 수십 년 동안 거대한 데이터 세트 를 다루었 으므로 유전학 연구자들도 마찬가지 였습니다.. 마케팅 담당자가 참여하면 통계의 저스틴 비버 (Justin Bieber)입니다. 그러나 콕스는 사회 과학에서 양적 금융을 제외하고는 이용 가능한 큰 데이터 세트를 가지고 있지 않은 것이 옳다. 실제로, 많은 계량 기술은 작은 샘플을 처리하기 위해 특별히 개발되었습니다. 따라서 빅 데이터 푸시에서 어떤 결과가 나올지 흥미 롭습니다. 아마도 통계의 흥미로운 발전 일 것입니다. 좋은 모델이없는 사회 과학에 중점을두고 있다고 생각합니다. 나쁜 모델과 작은 데이터를 갖는 것은 나쁜 모델과 많은 데이터를 갖는 것과는 상당히 다를 수 있습니다. 아마도 엄청난 양의 데이터와 영리한 통계를 통해 정확한 예측을 얻는 데 유리한 현상을 이해하는 데 초점을 덜 맞출 것입니다.


질문 14 ~ 17.
— ocram

3
"이제 마케팅 담당자가 참여하면 통계의 저스틴 비버 (Justin Bieber)입니다." -아주 좋아요
— gregory_britten

그것은 계량 경제학에 관한 흥미로운 판단입니다. 나는 계량 경제학자들이 대부분 GMM 과 같은 기초에서 점근 론에 의존한다고 생각했다 . 가장 귀여운 경험적 경제학 논문은 이제 빅 데이터라고 불리는 것을 사용하고 있습니다. 예를 들어 캘리포니아주의 모든 출생 기록 .
— StasK

계량 경제학은 다소 넓은 분야이며, GMM은 경제학에서 널리 사용되는 도구이지만, 미세 경제학에서의 동적 프로그래밍 및 마르코프 결정 프로세스, 현재 시전중인 MIDAS 등과 같은 다른 모든 기술이 사용됩니다. 정말 재미있는 것들입니다.
— Aksakal

당사 사이트를 사용함과 동시에 당사의 쿠키 정책과 개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.