6125495047

[ 12 ] J. Kordos, Rolo myślenia statystycznego lu zarzqdzaniu jokościg

całej wiedzy o zdarzeniu, nie tylko z obserwowanej częstości względnej realizacji tego zdarzenia w niezmienionych okolicznościach (jak w interpretacji częstościowej). W ten sposób, w wyniku badań m.in. T. Bayesa, L.J. Savagea, B. de Finettiego sformułowana została interpretacja personalistyczna prawdopodobieństwa, zwana inaczej subiektywną. Przez subiektywne prawdopodobieństwo tego, że jakiś sąd na temat zdarzenia A jest prawdziwy, rozumie się stopień pewności lub przekonania danej osoby o prawdziwości tego sądu. Zgodnie z tą interpretacją prawdopodobieństwo na temat zdarzenia A jest przypisane do danej osoby i może być różne dla różnych osób (ekspertów) w zależności od ich stanu wiedzy, doświadczenia, a nawet intuicji. W przypadku zdarzeń jednostkowych lub rzadko powtarzalnych jest to najczęściej stosowana interpretacja prawdopodobieństwa. Przede wszystkim jednak jej popularność wiąże się z rosnącymi współcześnie zasobami informacji o rozmaitych zdarzeniach, różnych populacjach, będących przedmiotem zainteresowania statystyków. Powstałe nowe możliwości gromadzenia, przetwarzania i przesyłania ogromnych zbiorów danych zwracają uwagę na fakt, że coraz rzadziej badacz znajduje się w sytuacji zupełnego braku wiedzy o badanej populacji. Najczęściej wiedzę taką, mimo że cząstkową i niedoskonałą posiada lub może posiąść. A więc problemem nie jest to, czy ją wykorzystać, lecz jak ją wykorzystać. Jest to kluczowa sprawa dla zrozumienia zarówno coraz śmielszego odwoływania się statystyków do personalistycznej interpretacji prawdopodobieństwa, jaki coraz większej popularności prób nielosowych w badaniach niewyczerpujących. Jak słusznie stwierdza M. Szreder (2010), ostatecznym bowiem celem wnioskowania statystycznego nie jest osiągnięcie doskonałości w próbkowaniu, lecz jak najlepsze poznanie badanej populacji. Badacz ingeruje coraz silniej, gdyż posiada coraz bogatszą wiedzę

0    populacji, użyteczną wiedzę, którą pragnie włączyć do próbkowania w celu poprawy jakości wnioskowania. Wiedzę tę ma prawo ująć także w formie probabilistycznej, stosując personalistyczną interpretację prawdopodobieństwa.

Główne idee Bernoulliego, Bayesa i Laplace’a rozwijało następnie wielu matematyków

1    statystyków, a szczególną rolę odegrali: B. de Finetti (1951), D. V. Jeffreys (1931, 1933, 1934), L. J. Savage (1951, 1954, 1962), D.V. Lindley (1953, 1958, 2004), S. M. Stigler (1982,1983,1986) i A. Zellner (1971).

Ogólnie można powiedzieć, że Bayesizm patrzy na świat probabilistycznie. Wszystkie przyszłe zdarzenia traktuje, jako zmienne losowe, mające określone rozkłady i parametry. Na podstawie realizacji tych zdarzeń w różnych okresach, określa ich postać i wykorzystuje w analizach, uwzględniając wszystkie dostępne informacje, potrzebne do rozwiązania danego zagadnienia. Uważa, że dane