Seriile de timp și erele geologice

Eu am zis și o repet: cu statistica se demonstrează orice. Statistica, operează în practică cu indicatori statistici, pe care noi îi construim după bunul nostru plac și facem cu ei ceea ce vrem, tot după bunul nostru plac, dar dăm senzația celor din jur că prezentând niște valori numerice suntem obiectivi, riguroși și mai ales cinstiți, deși realitatea este cu totul alta, căci statistica este instrumentul la dispoziția oricui, pentru a justifica orice.

Totuși, există și o latură etică în statistică, numai că foarte puțini dintre profesioniști apelează la ea, pentru a folosi statistica pe post de știință și nu de instrument politic pentru a fundamenta decizii aberante. Ca să dau numai un exemplu, atunci când se lucrează cu serii de date, condiția de reprezentativitate a rezultatelor care folosesc metode statistice este ca datele să fie omogene. Există modalități de a verifica dacă datele sunt omogene, modalități, care în realitate sunt ocolite cu grație, pentru a nu-i îndepărta pe utilizatorii de metode pseudo-științifice de la obiectivele lor subtile, mârșave și manipulatoare.

Propovăduitorii încălzirii globale operează cu serii de date înregistrate pe termen lung, pentru a demonstra că în ultimii 100 de ani sau în ultimii 50 de ani sau în ultimii 10 ani temperaturile medii au crescut cu câteva grade. Ei uită să spună elementele esențiale care dau veridicitate indicatorilor agregați.

Pentru a calcula temperatura medie zilnică se stabilește un algoritm. Ideea este ca respectivul algoritm să se respecte tot timpul. Dacă vorbim de temperaturile medii din ultimii 50 de ani, am mari dubii, că algoritmul a fost definit atunci și a fost respectat cu strictețe an de an. Dacă într-un an nu s-a respectat, aplicăm proverbul machedonesc, care zice că dacă într-o oală de ciorbă pui o lingură de c-c-at, totul c-c-at se numește. Ca să fiu mai clar voi da un exemplu: la un examen de admitere se susțin 3 probe și candidatul a obținut nota 6,20 la prima probă, nota 8,80 la a doua probă și nota 7,60 la a treia probă. Se introduc datele de pe teză în baza de date 6,20 pentru prima probă, 7,80 din greșeală pentru a doua probă și 7,60 pentru a treia probă, fără a se face vreo verificare, căci procedura așa a fost definită. Media afișată la calculator este de 7,20 în loc de 7,53 cât i se cuvine candidatului. Cele 33 de sutimi îl aruncă pe candidat în jos cu cel puțin 100 de locuri la o concurență de 6 candidați pe un loc. În cazul seriilor de timp, lucrurile sunt extrem de importante. Trebuie stabilit algoritmul pentru calculul temperaturii medie zilnică, apoi trebuie stabilit cum se calculează temperatura medie lunară și apoi cum se obține media temperaturii anuale. În toate cazurile trebuie stabilit modul în care se va conchide că mediile temperaturilor sunt reprezentative. Se știe că atunci când seriile de timp sunt foarte lungi și apar fluctuații, pentru a identifica trendul se calculează mediile mobile. Și aici este o mare discuție legată de reprezentativitatea acestor medii mobile, căci ele sunt agregări de alte date care la rândul lor au fost agregate. Mai apare o discuție legată de  faptul că o eră geologică se întinde pe câteva milioane de ani, iar noi dispunem de date măsurate de cel mult 200 de ani, iar extrapolările se dovedesc hazardate, iar cei care se expun cu așa ceva, devin simpli scamatori, care scot din joben tot ceea ce-și doresc, mai ales că trag concluzii care nu costă bani.
(03 octombrie 2025) 

Inteligența artificială și cibernetica economică

Nu se putea ca linteligența artificială să ocolească cibernetica economică, mai ales pentru că:
- tot ce este cibernetică economică este și conținut digital,
- numai țările avansate se conduc după modele cibernetice,
- există foarte multe serii de date utile în modelarea cibernetică,
- tipologiile de probleme ale ciberneticii economice nu sunt infinite,
- metodele de construire a modelelor cibernetice sunt standardizate.

La ora actuală cibernetica economică este conectată la tot ceea ce este mai nou în domeniul cercetării. 

Se vorbește de modele econometrice, imediat cibernetica economică se lipește de această clasă de modele, le face mici modificări, devenind instantaneu modele cibernetice.

Se vorbește de algoritmi genetici, imediat sun adoptați acești algoritmi, deși unii îi consideră copii orfani, de către cibernetica economică.

Să nu mai vorbim de tot felul de algoritmi de optimizare pentru soluționarea problemelor sau de algoritmii de rafinare a modelelor, pentru a face aceste modele mult mai ușor de utilizat.

Un software performant de inteligență artificială trebuie să primească:

- o comandă, adică un obiectiv de urmărit,

- delimitările nivelului de complexitate,

- localizarea seriilor de date utilizate,

- cerințe de acuratețe a rezultatelor.

Inteligenta artificială folosește modelele existente, execută adaptări ce decurg din cerințele formulate, conjugate cu disponibilul impus de seriile de date existente. Inteligența artificială utilizează algoritmii de estimare a coeficienților din modele folosind seriile de date și metodele statistice clasice, după care trece la obținerea de variante de soluții optime, funcție de structuri de funcții obiectiv, preluate și adaptate din literatură. Nu este nimic spectaculos. Aceste operații le-ar fi făcut o echipă de cercetare, numai că ar fi durat foarte mult și probabil nu ar fi avut în atenție chiar toate variantele, căci omul e om și mai uită și el una, alta, nu?

(06 februarie 2025)

Statistica nu are instrumentele pentru...

Pandemia ne-a arătat că atât statistica teoretică, cât și statistica practică, nu are instrumentele necesare tratării datelor provenind din colectivități imense. Interpretările eronate din timpul pandemiei, în care la zeci de milioane de persoane vaccinate, au fost analizate necorespunzător situațiile extreme ale unor efecte adverse, cu discuțiile absurde derulate prin televiziuni, din partea unor profani.

Dacă era situația în care restricțiile de stocare a datelor impuneau abordări trunchiate, aș fi înțeles. Numai că acum când orice puști are posibilitatea de a avea un telefon cu 256 Gb memorie și orice specialist se consideră un amator jalnic dacă nu are un laptop cu cel puțin 1 Tb memorie SSD, este impardonabil că știința, dar și practica  statisticii nu a ținut seama cu acestă realitate, astfel încât să discutăm de pe cu totul alte poziții atunci când avem o colectivitate de 50.000 de subiecți și trebuie să facem un sondaj, căci realitatea impune să să extragem de acolo un eșantion de 1.200 de înregistrări, să facem oarece prelucrări și să considerăm că dacă vom concluziona cumva, rezultatul s-ar referi la întreaga colectivitate. 

Acum avem:

- memorie unde stocăm oricât de multe date,

- serii de date de zeci de milioane de termeni,

- proceduri care asigură reprezentativitatea datelor.

Nu știm ce să facem cu aceste date și folosim metode vechi la noul context, ceea ce ne duce sfre fundături unde comportamentul nostru este de-a dreptul lamentabil, iar deciziile sunt de un penibil profund, colorat, dezamăgitor, instabil, extins și dinamic.

Pentru a face ceva acceptabil, din noianul celor câteva sute de milioane de date, trebuie extrase câteva sute de mii, care îndeplinesc cerințe care ne îndreptățesc să considerăm că prelucrările au sens. Nu mă voi apuca eu aici să mă dau rotund că dețin adevărul absolut, dar faptul că pe colectivități finite, oamenii aplică metodele statistice de la eșantionare, mă îndreptățesc să resping moduri de lucru aberante, cu efecte grotești în zona concluziilor aberante care se desprind în mod mecanic și neverosimil.

Interpretarea eronată a seriilor de date legate de variațiile de temperatură de pe glob, corelațiile absurde dintre încălzirea globală și pârțurile vacilor, arată că omenirea respinge deja lucrurile elementare și se îndreaptă spre o direcție greșită, atât timp cât automobilul electric nu are autonomie egală cu cea a unui rezervor de combustibil fosil și proveniența energiei lor nu este garantat 100% din energia verde.


(09 iulie 2024)

Folosirea aiurea a seriilor de date și interpretarea aberantă a rezultatelor

Se știe de ani și ani că seriile de date ne ajută foarte mult să studiem dinamica fenomenelor, mai ales dacă tabelele conțin:
- momente de timp,
- inregistrări ale factorilor exogeni,
- înregistrări ale variabilelor endogene,
cu condiția de a respecta o serie de cerințe care asigură omogenitatea datelor, comparabilitatea și dacă este cazul repetitivitatea procesului de culegere a datelor.

Dacă vrem să înregistrăm temperaturile zilnice stabilim:

- instrumentul cu care facem măsurătorile,

- locul unde facem măsurătorilor,

- momentul din zi când facem măsurătorilor,

- condițiile ca să construim seriile de date.

Se zice că este un proverb al machedonilor, care zice că dacă într-o oală de ciorbă pui o lingură de c-c-t, totul c-c-t se numește. Tot așa, în cazul în care un termen al seriei de date este cules altfel decât în condițiile stabilite, seria de date își pierde calitatea de reprezentativitate și rezultatele sunt la rândul lor niște gunoaie.

Dacă stăm și analizăm ceea ce spun diferiți așa-ziși oameni de știință referitor la încălzirea globală, folosind serii de date pe 100 de ani, fără a avea nicio informație legată de procedura prin care au fost culese datele, ceea ce am numi serie de date, este un conglomerat de cifre, iar orci prelucrări ale conglomeratului, nu face altceva decât să ducă la niște cifre pe care le interpretăm oricum vrem noi, pentru că nu au nicio valoare științifică și nu se pun în corespondență cu nicio realitate de niciunde.

Toate prelucrările pe care le efectuăm sunt pe serii de date care nu sunt supuse unei analize prealabile, pentru a avea certitudinea că rezultatele ne vor spune ceva. De cele mai multe ori, sunt necesare testele statistice, pe care în 99,99 % din cazuri nimeni nu le efectuează și se merge de-a valma călcând în gropi din ce în ce mai adânci cu riscul de a ne afunda în concluzii de-a dreptul aberante. Atât timp cât nu punem la dispozițiile seriile de date primare, nu prezentăm modul în care am analizat aceste date pentru a vedea că chiar sunt bune pentru a continua prelucrărle și nu am formulat ipotezele noastre de lucru, tot ceea ce vom prezenta drept concluzii, nu sunt altceva decât o succesiune de aberații drăgălașe cu care ne îmbătăm doar de dragul de a părea interesanți în ochii celor care așteaptă un semn de la noi, să pară și ei măreți și deștepți în fața altora unde au auditoriu permanent.




(24 iunie 2024)

De ce tac matematicienii?

Există domenii ale matematicii care au atins niveluri atât de ridicate încât cei ce s0au specializat în acele domenii au tot dreptul să vorbească și să facă precizările necesare, astfel încât diletanții să fie puși la punct și să lase capul în jos rușinați, după care să se retragă pentru a nu mai face valuri și să tacă veșnic.

Există un capitol de matematică extrem de bine pus la punct și aici mă refer la seriile de date. Există geologia care spune cu destul de multă precizie despre erele geologice ca durate, ca manifestări și ca elemente ce determină caracteristici legate de apariția și de dispariția speciilor.

Matematicienii au rezultate remarcabile privind:

- seriile de date,

- studiul sezonalității,

- metodele de estimare,

- analiza de date,

- volumele mari de date.

Legat de schimbările climatice, credeam că matematicienii ar fi trebuit să iasă la rampă cu mult mai multă vigoare și să analizeze calitatea afirmațiilor legate de încălzirea globală, în contextul în care seriile de date au un caracter al reprezentativității limitat și concluziile care se trag folosind prelucrări de date incomplete și cu un caracter calitativ mai mult decât imprecis, au un fundament alterat. Matematicienii știu clar care este valoarea mediei aritmetice în contextul în care nu este studiată omogenitatea colectivității pentru care se fac calculele și cred că nu trebuiau să se afunde în liniștea inexplicabilă când acest indicator, mă refer la media aritmetică este folosit în mod abuziv, chiar și atunci când ea nu mai reprezintă chiar nimic, ci doar ceva de care se agață abuziv niște oameni care nu știu pe ce lume se află, din dorința de a-și justifica ignoranța, neputința și lipsa de înțelepciune.

A folosi modelele de prognoză fără a vedea dacă metodele de estimare a coeficienților sunt valide este ca și cum ai aduna mere cu pere, doar pentru că merele și perele sunt cuvinte care desemnează fructe și nu animale sau fenomene meteorologice.

Cred că matematicienii trebuie să fie extrem de fermi și să nu mai permită la toți neica-nimeni să iasă și să spună prostiile pe care le spun acum drept concluzii alarmiste, care fac din anumite buzunare subțiri, buzunare umflate datorită deciziilor care se iau pe așa-zise fundamente bazate pe metode, pe modele riguroase, metode și modele pe care matematicienii autentici nu le-au validat niciodată.

(08 decembrie 2023)

Genetica și zodiile

Sunt sigur că genetica are de dat multe răspunsuri la ceea ce zodiile au încercat să definească în zona diferențelor dintre indivizi. 
Acum se știe cu destul de multă precizie cum sunt influențate țesuturile umane la nivel celular de o serie de factori externi.
Acum se cunoaște ce înseamnă dietă și cum acționează toate elementele de bază ale unei diete asupra structurii organismului, la nivel de componente mari, dar și la nivel de detaliu.
Există o bază informațională foarte riguroasă care dă răspunsuri le întrebări ce privesc duratele de răspuns pentru tot feluri de scheme de tratament sau de diete și nu mai este niciun secret pentru nimeni care dorește să obțină un anumit rezultat, doar intrând pe Internet și documentându-se obține suficiente detalii. dacă mai consultă și un specialist, totul este rezolvat.
Termeni precum curățenie trupească sau curățenie sufletească, în contextul științific de azi are înțelesuri precise. Ceea ce era socotit perioadă de post, acum are interpretare științifică clară. 
Acum se știe cum alcoolul influențează dinamica organismului uman.
Acum se știe cum fumatul influențează dinamica organismului uman.
Acum se știe cum consumul de narcotice influențează dinamica organismului uman.
Acum se știe cum de zaharoase influențează dinamica organismului uman.

Studiile statistice bazate pe serii de date de lungimi foarte mari, care folosesc și rezultate ale geneticii, permit obținerea de răspunsuri clare la multe întrebări, care erau doar intuite prin grupările calendaristice ale zodiilor.

Sunt sigur că nu alinierea de planete și conjuncțiile dintre diferite planete sau Luna plină sunt cele care determină diferențele dintre oameni, ci ceea ce se întâmplă cu oamenii în raport cu termenii științifici pe care genetica, dar și alte științe, le-au determinat. Se știe că vara se consumă legume proaspete. Se știe că vitaminele preluate de organismul uman din legume se regăsesc într-un fel bine determinat în structura acestuia și se știu și perioadele în care țesuturile și secrețiile corpului preiau toate modificările și le reflectă corespunzător. De aceea, pentru intervale de timp rezonabile, se determină schimbările din organism și pornind de la cauză la efect, se va vedea și ceea ce se întâmplă pe mai departe.

Din bazele de date de zeci de milioane de înregistrări statistice, există posibilitatea de a constitui serii de date de câteva sute sau câteva mii de înregistrări cu grad de omogenitate foarte ridicat și deci rezultă eșantioane. Există teoria matematică a eșantioanelor și software adecvat. Orice ipoteză are toate elementele pentru a fi verificată.

Să zicem că vrem să știm dacă lungimea labei bărbaților depinde de înălțimea lor. Nimic mai simplu. Intră într-o bază de date furnizată de armată care înregistra pentru tinerii de 18 ani înălțimea și lungimea labei piciorului, pentru a le furniza acestora haine la prezentarea satisfacerii stagiului militar. Dacă există în baza de date 200.000 de înregistrări, construim grupe extrem de omogene și de echilibrate în raport cu înălțimea. Avem la fiecare subiect din serie înălțimea și lungimea labei piciorului.  Să zicem că pentru tinerii de 175 cm avem 2.000 de subiecți. Calculăm media lungimii labei piciorului, abaterea medie standard și coeficientul de variație.  Dacă valoarea coeficientului de variație este atât de mare încât singura concluzie care se desprinde este aceea că media aritmetică a lungimii labei piciorului este nerelevantă.  dacă valoarea coeficientului de variație este sub 30% media lungimii labei piciorului la această categorie de înălțime este relevantă.

Din seria de date, îi grupăm pe tineri după zodii și calculăm mediile pentru înălțimi de la fiecare zodie. Dacă, să zicem, la zodia XX, tinerii sunt cu înălțimea medie 190 și coeficientul de variație este relevant, concluzionăm științific faptul că tinerii din zodia XX este de talie înaltă. dacă citind texte ale zodiilor, vedem că la zodia XX se spune că bărbații acestei zodii sunt de talie înaltă, înseamnă că în timp, s-a observat acest lucru pe un seșantion constituit empiric, dar reprezentativ,  s-a concluzionat corect.

Știința din ziua de azi, vine că confirme anumite concluzii pe care oamenii le-au tras de-a lungul vremii și nu este cu nimic în contradicție cu tradițiile dintotdeauna ale omenirii.


(12 iunie 2022)

Falsificarea datelor statistice în comunism

Centralismul excesiv al comunismului din ultimii săi ani și pedepsele mari, au determinat ca nu numai în zna de producție și de cultură să se producă acțiuni sub teroare, ci și ciar în domeniul falsificării datelor statistice.

Falsificare datelor statistice era în acele vremuri de teroare:

- o știință, căci trebuiau falsificate datele încât corelațiile să fie păerfecte să nu se depisteze falsitatea,

- o artă, căci trebuiau definite ipotezele false și de la ele trebuia pornit pentru a deforma realitatea,

- o practică, pentru că o dată ce falsificarea era demarată nu mai exista drum de întoarcere.

Cine credea că a falsifica datele statistice date publicității era o treabă simplă, făcea o gravă eroare, căci analiștii economici din acele vremuri erau foarte bine documentați și știau multe, deci nu erau de dus de nas cu una cu două. De aceea, unui institut de prelucrare a datelor statistice reale, îi corespundea un alt institut de falsificare a datelor statistice, dublu ca structură, pentru a construi date falsificate perfecte, care să facă față oricărei analize economice, de oriunde ar veni ea.

Toți indicatorii statistici au niște chei de verificare și dacă falsificarea datelor este făcută cu imperfecțiuni, verificând acele chei, imediat sunt găsite locurile unde s-a produs falsificarea și ceea ce este cel mai nasol, este faptul că din aproape în aproape, se merge și se descoperă adevăratele rezultate, ceea ce nu este de dorit de către niciun falsificator.

Să ne amintim gogomănia aceea cu toate produsele care trebuie să aibă nivelul de calitate peste medie. Se știe că media aritmetică se reprezintă ca o linie paralelă cu axa Ox, iar valorile din care ea se calclează se reprezintă ca un nor de puncte în cadeanul xOy, deci vor exista puncte sub medie și puncte deasupra mediei. Numai cânt toate punctele se situează pe o linie paralelă cu axa Ox atunci media se confundă cu acea linie. Nu există nicio situație ca media aritmetică să se găsească sub norul de puncte.

Centralismul excesiv a avut grijă să creeze un sistem unic de culegere a datelor și tot un sistem unic de prelucrare și de interpretare a indicatorilor statistici cosmetizați, căci niciodată datele statistice reale nu erau cunoscute, căci dacă datele statistice date publicității ar fi fost reale și acum tot în comunism am fi trăit, căci nimeni nu ar fi vrut să se destrame comunismul dacă totul era perfect, roz și pufos. Discrepanța dintre datele statistice falsificate și realitatea nenorocită au determinat ca în decembrie 1989 poporul să facă revoluție.

Trebuie spus că și acum există analiști economici extraordinar de bine pregătiți și tendința de a înfrumuseța realitățile în mod artificial pentru a evidenția realități inexistente este foarte ușor depistată și în democrație, nemaifiind opreliști și cenzură, aceștia scot în evidență neadevărurile cu nonșalanță, devenind interesanți, populari și temuți.

(31 marie 2020)

(31 martie 2020)

Redescoperirea apei calde

Anul trecut, printr-o întâmplare nefericită am avut ocazia să mă confrunt cu o echipă de cercetători formată din tineri care făceau niște măsurători, pentru a face în final nu știu ce studiu. În anul 1980 știu că împreună cu o echipă de medici specialiști și cu profesori de la IMF am făcut o cercetare despre forme rotunde.

În primul rând, am discutat și ei au strâns date respectând cerințe care asigurau calitatea acestora din punct de vedere statistic, pentru ca rezultatele prelucrărilor să fie reprezentative.

În al doilea rând, colectivitatea a fost astfel definită încât să fie o repartiție a cazuisticii în concordanță cu realitatea, fără a deplasa artificial studiul spre o zonă facilă, dar de la care în niciun caz nu se fac generalizări.

În al treilea rând, am solicitat să se asigure calibrarea validă a echipamentelor, lucru care trebuia specificat în studiu, pentru a da garanție că datele culese sunt corecte, completitudinea rezultând din calitatea ipotezelor de lucru.

În al patrulea rând s-a pornit de la realitate spre modelarea statistică și nu invers, căci având câteva mii de înregistrări, realitatea nu avea cum să fie încorsetată în scheme rigide, mai ales că metodele statistice sunt extrem de variate și acoperă o paletă foarte mare de situații.

În al cincilea rând, planificarea culegerii datelor s-a făcut pentru a ne asigura că nu va fi necesar un proces de corecții în înregistrări, știut fiind faptul că reproductibilitatea este una de-a dreptul imposibilă în zona cercetării medicale.

Acum, după 37 de ani am observat că:

- echipa de cercetare nu era interdisciplinară, lipsind statisticianul și informaticianul,

- aparatura de măsurat nu era calibrată, ceea ce anula întregul efort,

- lipseau procedurile, doi cercetători făceau două lucruri diferite pentru aceeași măsurătoare,

- lipseau formularele destinate procesării automate fără risc de introducere eronată a datelor.

Nu știu ce se făcea cu acele date, dar din start lipseau elementele cheie pentru a asigura:

- completitudinea,

- comparabilitatea,

- omogenitatea,

- corectitudinea,

caracateristici esențiale în orice prelucrare statistică, indiferent de ipotezele de la care se pleacă în realizarea unei cercetări, indiferent de cât de mare este volumul datelor de care se dispune la un moment dat.

Îmi și aduc aminte acum cum căram cutiile de date cu cele 16.000 de înregistrări cu care și acum mă mândresc, cu care am construit seriile de date și cu care am făcut cercetări care au scos la lumină niște aspecte de-a dreptul spectaculoase în cazuistica formelor rotunde, inclusiv în ceea ce privește rolul fumatului sau în ceea ce privește perioada dublării, preuluată prin simetrie din fizica nucleară.

Acum tac, pentru că m-am simțit penibil când am încercat să discut cu tinerii cercetători, care au văzut în mine un bătrân ramolit pe care nu au dat nici doi bani. Nu m-a deranjat, doar mi-au inspirat milă, acea milă pe care mi-o inspiră acea potaie hăitută de toți, deși ea săraca nu are nicio vină.
Redescoperirea apei calde este efectul lipsei capacității de a învăța din experiența altora. este trist că de fiecare dată se reia de la început pierzându-se timpul. În timp ce alții merg mai departe, noi o luăm de fiecare dată de la zero.

(11 aprilie 2018)