Why the Poverty of Bayesian Logic in Covid Controversies?
People want fixed binary certitudes, like safe-unsafe, effective-ineffective, right-wrong, so we're vulnerable to tribal thinking. In a controversy between tribe A and tribe B, we assume one of them must be right and the other wrong. But what if tribe A is 98.86% right and tribe B is 1.14% right? The odds in favor of the house in a Los Vegas crap game are 1.14%. With that small advantage, casinos pay for staff, including expensive security experts and fancy entertainers, as well as huge buildings with huge utility bills, red carpets and chandeliers.
"Pourquoi une telle pauvreté de la logique bayésienne dans les controverses Covid?
Les gens veulent des certitudes binaires fixes, comme sûr-dangereux, efficace-inefficace, bien-mal, nous sommes donc vulnérables à la pensée tribale. Dans une controverse entre la tribu A et la tribu B, nous supposons que l'un d'eux doit avoir raison et l'autre tort. Mais que se passe-t-il si la tribu A a raison à 98,86% et la tribu B à 1,14%?
Les chances en faveur de la maison dans un jeu de merde à Los Vegas sont de 1,14%. Avec ce petit avantage, les casinos paient pour du personnel, y compris des experts en sécurité coûteux et des artistes de luxe, ainsi que d'énormes bâtiments avec d'énormes factures de services publics, des tapis rouges et des lustres."
Les chances en faveur de la maison dans un jeu de merde à Los Vegas sont de 1,14%. Avec ce petit avantage, les casinos paient pour du personnel, y compris des experts en sécurité coûteux et des artistes de luxe, ainsi que d'énormes bâtiments avec d'énormes factures de services publics, des tapis rouges et des lustres."
C'est un aspect substantiel d'une mauvaise culture scientifique. La science n'est pas la vérité. La science consiste à réduire l'incertitude sur l'inconnu par des expériences. Puis-je ajouter que dans le traitement Covid comme pour d'autres actions humaines, la question centrale est nos préjugés qui ont tendance à polluer toutes les expériences. Un outil efficace pour réduire les biais est de randomiser car s'il n'y a pas de médicament ou deux placebos lorsque vous randomisez deux groupes, vous confirmerez simplement l'hypothèse nulle: il n'y a pas d'effet et vous n'observez pas de différence "significative".
Aucun commentaire:
Enregistrer un commentaire