Dunque, su Nature<\/em>, non proprio l’organo di stampa dei terrapiattisti, viene pubblicato un articolo a firma di tre esperti<\/a> (tutti statistici, ma operanti in campi disciplinari diversi) i quali propongono di abbandonare o perlomeno modificare pesantemente il metodo di lavoro sperimentale che comporta l’uso del valore <\/a>p<\/a><\/em> e soprattutto mettono in crisi il concetto di significativit\u00e0 statistica<\/em>. <\/p>\n\n\n\n Seguono altre ottocento firme di appoggio da parte di scienziati di diversi paesi…<\/p>\n\n\n\n Ok, so benissimo che alla menzione del p <\/em>ho perso una parte dei lettori, quindi spieghiamo.<\/p>\n\n\n\n Il valore p<\/em> \u00e8 un indice di significativit\u00e0 statistica. Si usa negli esperimenti a campione; per capire se l’esperimento conferma o no una certa ipotesi si stabilisce una soglia di un indicatore (in questo caso un valore del p<\/em>): se l’esperimento verifica che le condizioni per cui quell’ipotesi si avvera in maniera casuale stanno sotto quella soglia, molto improbabile, allora statisticamente<\/em> il risultato \u00e8 ritenuto significativo. Pi\u00f9 il p<\/em> \u00e8 basso pi\u00f9 il risultato \u00e8 forte, perch\u00e9 dice che le condizioni che validerebbero l’ipotesi contraria sono assolutamente estreme.<\/p>\n\n\n\n Facciamo un esempio, cos\u00ec ci capiamo meglio. Mi spiace ma l’unico che mi viene in mente \u00e8 vergognosamente sessista.<\/p>\n\n\n\n Supponiamo di pensare che io sono brutto e ripugnante. Se mi mettono in una stanza con altri novantanove tizi e poi fanno entrare Camille Kostek e lei per prima cosa mi bacia voluttuosamente…<\/p>\n\n\n\n Se dopo Camille entra anche Jasmine Wilkins e mi bacia anche lei, la catena degli eventi conferma sempre meno l’ipotesi, e la soglia del p<\/em> riguardo all’ipotesi contraria si abbassa.<\/p>\n\n\n\n Se entrano cento supermodelle e tutte mi baciano si potr\u00e0 affermare che le condizioni sotto cui si pu\u00f2 accettare l’ipotesi ripugnanza<\/em> sono estremamente<\/em> improbabili: a seconda dei vari campi scientifici si usano soglie del p <\/em>inferiori a valori molto bassi, tipo meno di 0,05, che nel caso in questione vorrebbe dire, pi\u00f9 o meno, che entrano cento supermodelle e tutte baciano me ignorando gli altri, e poi arriva anche Jennifer Lawrence con una limousine<\/em> e mi propone di scappare via, nella notte.<\/p>\n\n\n\n E poi mi sveglio tutto sudato.<\/p>\n\n\n\n In realt\u00e0 l’osservazione da fare \u00e8 che la significativit\u00e0 statistica<\/em> non \u00e8 ancora, o non necessariamente, significativit\u00e0<\/em> scientifica. \u00c8 soltanto un modo di verificare un’ipotesi, ma poi il senso<\/em> va stabilito. Magari io sono davvero<\/em> brutto e ripugnante, ma mi sono messo d’accordo con loro da prima. Oppure ho in mano un cartello con scritto baci in cambio di milioni di dollari<\/em>. O magari tutti quelli nella sala erano pi\u00f9 brutti di me. O io sono capace di ipnosi istantanea. O le ragazze appartengono a una setta che prevede una volta all’anno di baciare Roberto Sedda per avere ricchezza e felicit\u00e0. E in realt\u00e0, l’ipotesi era corretta? Chi l’ha detto che le donne non baciano gli uomini brutti? Dopotutto le stesse supermodelle dichiarano che negli uomini non guardano se sono belli, ricchi o famosi, ma l’importante \u00e8 che le facciano ridere<\/em>. Giusto? <\/p>\n\n\n\n In realt\u00e0 nell’uso del p<\/em> ci sono anche dei problemi pi\u00f9 a monte. Se io sono davvero brutto e ripugnante, e cento modelle mi ignorano ma poi arriva davvero<\/em> Jennifer Lawrence con la limousine<\/em>, probabilmente statisticamente il p <\/em>non \u00e8 significativo, ma il fatto \u00e8 strano, no? Perch\u00e9 non dovrebbe essere indagato o pubblicato? <\/p>\n\n\n\n Oppure: supponiamo che prima dell’inizio dell’esperimento io scommetta con il mio amico che il mio fascino \u00e8 infallibile e che la prima<\/em> modella che entra mi bacia. Entra la prima e non lo fa. Entra la seconda e nulla. Per\u00f2 la terza mi bacia. Se io gli dico: \u00abVedi che fascino?\u00bb, allora non vale, perch\u00e9 la condizione riguardava la prima<\/em>. Per\u00f2 se io sono furbo – e il mio amico molto distratto – aspetto a determinare la condizione finch\u00e9 non vedo cosa succede, e poi dico: \u00abTe l’avevo detto o no? Fascino infallibile<\/em>\u00bb. In termini statistici avrei dovuto fissare a priori una certa soglia di probabilit\u00e0, ma visto l’esperimento mi accontento di un’altra maggiore, tanto non l’avevo detto a nessuno, e poi vado a fare il bullo al bar.<\/p>\n\n\n\n Ok, armati con queste spiegazioni, seppure deliranti, possiamo lasciare il campo ai veri<\/em> esperti e capire, da uno dei primi passaggi dell’articolo, perch\u00e9 la discussione in realt\u00e0 non riguarda i miei voli di fantasia ma il modo con cui si fa ricerca scientifica in moltissimi campi, con ricadute immediate sulla vita dei cittadini. L’esempio, infatti, ha a che fare con due esperimenti sullo stesso farmaco, e i possibili effetti indesiderati di questo:<\/p>\n\n\n\n Come possono i risultati statistici portare gli scienziati a negare differenze che coloro che non hanno fatto studi di statistica possono vedere con evidenza? Per diverse generazioni i ricercatori sono stati avvertiti che un risultato statisticamente non significativo non prova<\/em> l’ipotesi nulla (l’ipotesi che non c’\u00e8 differenza fra gruppi o nessun effetto di un trattamento rispetto a un risultato misurabile). E nemmeno la mancanza di risultati statisticamente significativi prova<\/em> qualche altra ipotesi. Simili incomprensioni hanno notoriamente stravolto la letteratura con affermazioni esagerate e, meno notoriamente, hanno portato a dichiarazioni di discordanza fra studi laddove non ne esistevano.<\/p><\/blockquote>\n\n\n\n […]<\/p><\/blockquote>\n\n\n\n Vogliamo essere chiari riguardo ci\u00f2 che dobbiamo smettere di fare: non dovremmo mai dichiarare che non c’\u00e8 differenza<\/em> o nessuna associazione<\/em> solo perch\u00e9 un valore p<\/em> \u00e8 maggiore di una soglia come 0,05 o, equivalentemente, perch\u00e9 un intervallo di confidenza include lo zero. E neppure dovremmo concludere che due studi sono in conflitto perch\u00e9 uno ha avuto un risultato statisticamente significativo e l’altro no. Questi errori conducono a sprechi nello sforzo di ricerca e conducono a decisioni di politica pubblica male informata. <\/p><\/blockquote>\n\n\n\n Per esempio, consideriamo una serie di analisi<\/a> degli effetti non richiesti di farmaci anti-infiammatori. Poich\u00e9 i loro risultati erano statisticamente non significativi, un gruppo di ricercatori concluse che l’esposizione al farmaco era non associata<\/em> all’insorgenza di fibrillazione atriale (il disturbo pi\u00f9 comune del ritmo del cuore) e che i risultati erano in contrasto con quelli di uno studio precedente con risultati statisticamente significativi.<\/p><\/blockquote>\n\n\n\n Ora, consideriamo i dati reali. I ricercatori che descrivevano i loro risultati come statisticamente non significativi rilevarono un fattore di rischio di 1,2 (cio\u00e8, un rischio maggiore del 20% in pazienti sottoposti al farmaco rispetto a quelli non sottoposti). Essi riscontarono anche un intervallo di confidenza del 95% che comprendeva qualunque cosa fra una lievissima diminuzione del rischio del 3% fino a un considerevole aumento del rischio del 48% (p<\/em>=0.091; calcolo nostro). I ricercatori dello studio precedente, statisticamente significativo, riscontrarono esattamente lo stesso livello di rischio di 1,2. Quello studio era semplicemente pi\u00f9 preciso, con un intervallo che andava dal 9% al 33% di maggior rischio (p<\/em>=0,0003; calcolo nostro).<\/p><\/blockquote>\n\n\n\n E ridicolo concludere che dei risultati statisticamente non significativi mostrano nessuna associazione<\/em>, quando l’intervallo stimato include seri aumenti del rischio; \u00e8 egualmente assurdo affermare che questi risultati sono in contrasto con i risultati precedenti che mostrano un effetto osservato identico. Tuttavia queste pratiche comuni mostrano come l’affidamento a soglie di significativit\u00e0 statistica possono sviarci (vedi sotto Attenti alle false conclusioni<\/em>, “Beware false conclusions”).<\/p><\/blockquote>\n\n\n\n \u00c8 un articolo che dice cose non nuovissime (la guerra sul p<\/em>, o meglio su cosa voglia dire testare ipotesi statistiche, va avanti almeno dagli anni ’20 del secolo scorso) e che si riallaccia a discussioni recenti che di cui qualche volta ho raccontato anche qui, come quella sulla manipolazione del <\/a><\/em>p<\/a> o quella sulla crisi di replicabilit\u00e0 nelle scienze sociali<\/a>. Nonostante questo, considerato il modo con cui si fa scienza in moltissimi campi, \u00e8 un intervento piuttosto radicale, e il fatto che esca su Nature<\/em> \u00e8 abbastanza significativo. La radicalit\u00e0 dell’idea (mettere in pensione il concetto di significativit\u00e0 statistica<\/em>) non \u00e8 tanto legata alla pratica, dove gli autori si esprimono con moderazione:<\/p>\n\n\n\n Non stiamo chiedendo di mettere al bando i valori p.<\/em> E nemmeno stiamo dicendo che non possano essere usati un certi campi specializzati di applicazione (come determinare se un processo produttivo soddisfa certi livelli di controllo di qualit\u00e0). E non ci stiamo neppure augurando una situazione nella quale vale tutto, nella quale prove deboli improvvisamente divengono credibili. Piuttosto, e in linea con molti altri lungo i decenni, stiamo chiedendo che si smetta di usare i valori del p<\/em> nel modo dicotomico convenzionale – per decidere se un risultato conferma o confuta un’ipotesi scientifica. <\/p><\/blockquote>\n\n\n\n Quello che rende radicale la richiesta \u00e8 un’affermazione che si trova quasi en passant <\/em><\/p>\n\n\n\n Dobbiamo imparare a abbracciare l’incertezza.<\/p><\/blockquote>\n\n\n\n Immagino che per chi ha idee filosofiche sulla scienza come un corpus<\/em> di fatti<\/em> immutabili iscritti nel diamante della realt\u00e0, come per un certo immunologo che imperversa sulla rete e migliaia di suoi epigoni minori, questa sia una cosa piuttosto indigesta. Muoversi fuori dalla certezza del si\/no<\/em>, dentro il territorio del a determinate condizioni<\/em>, o a mio prudente giudizio<\/em>, significa perdite significative di status<\/em>, rinunciare al feticcio della scienza infallibile e delle verit\u00e0 scientifiche sempre certe e immutabili, significa, anche, minare una visone efficientista e meccanicistica della scienza che permetta di spogliarsi della responsabilit\u00e0 delle scelte perch\u00e9 tanto c’\u00e8 disponibile l’alibi della verit\u00e0 scientifica<\/em> sulla quale, essendo immutabile, non possiamo fare nulla.<\/p>\n\n\n\n E infatti il primo autore che firma l’articolo su Nature<\/em> un anno fa ha pubblicato su Medium<\/em>, quindi per un pubblico pi\u00f9 vasto dei colleghi studiosi, un articolo dal titolo La statistica inferenziale non \u00e8 inferenziale<\/a><\/em>, dove troviamo il passaggio rivelatore<\/p>\n\n\n\n La statistica non pu\u00f2 essere inferenziale. Siamo noi che dobbiamo compiere l’inferenza. Come disse Boring (1919)<\/a> un secolo fa: \u00abLe conclusioni devono alla fine di tutto essere lasciate all’intuizione scientifica del ricercatore e del suo pubblico.<\/p><\/blockquote>\n\n\n\n Toh. E del suo pubblico<\/em>. E quindi, guarda un po’, torna l’idea che la scienza, al fondo, \u00e8 democratica. E questo s\u00ec che oggi \u00e8 piuttosto radicale.<\/p>\n\n\n\n E quindi queste letture, diciamo, hanno una certa importanza: perch\u00e9 forniscono strumenti per capire (e confutare) decisioni su questioni che ci riguardano direttamente tutti i giorni: su come gestire l’ambiente che viviamo, l’economia in cui siamo inseriti, i servizi sociali o sanitari che riceviamo. <\/p>\n\n\n\n Nella lista interna dell’Universit\u00e0 \u00e8 stata segnalata anche una presa di posizione piuttosto netta dell’American Statistical Association<\/em>, non proprio il comitato scientifico dell’Universit\u00e0 della Terza Et\u00e0 di Montepratobello Minore, la quale proprio pochi giorni fa ha dedicato un intero numero<\/a> del suo giornale online<\/em>, The American Statistician<\/em>, a un mondo oltre il p<\/em><0,05 (Statistical Inference in the 21st Century: A World Beyond p < 0.05<\/em>, tra le altre cose il giornale \u00e8 rilasciato in accesso aperto con licenza Creative Commons<\/em>).<\/p>\n\n\n\n![\"\"](\"https:\/\/i0.wp.com\/www.robertosedda.it\/wp-content\/uploads\/2019\/03\/Kostekostek.jpg?resize=800%2C534\")
![\"\"](\"https:\/\/i0.wp.com\/www.robertosedda.it\/wp-content\/uploads\/2019\/03\/Wilkins.jpg?resize=800%2C533\")
![\"\"](\"https:\/\/i2.wp.com\/www.robertosedda.it\/wp-content\/uploads\/2019\/03\/d41586-019-00857-9_16551622.jpg?fit=510%2C344\")
<\/figcaption><\/figure>\n\n\n\n