Questa è una mia domanda personale su una questione statistica generale. Non si tratta di una domanda su JMP da parte degli utenti. Potrebbe non essere appropriato porre questo tipo di domanda qui, ma non riesco a trovare un altro posto migliore dove porla all'interno del gruppo JMP. La domanda è strettamente correlata a un mio post di due anni fa ( Spiegazione semplice e onesta del test t a due campioni? - Comunità utenti JMP ).
Le analisi statistiche tramite diagrammi di flusso sono ancora in uso nel vostro Paese?
Tra gli anni '60 e '90, in molti manuali si trovavano regole rituali, considerate sacre e inviolabili, per l'esecuzione di test statistici. (Credo che molti di questi fossero scritti da non statistici, come ricercatori medici, sociologi, psicologi e così via). Ad esempio, il rituale per confrontare due campioni indipendenti era il seguente.
(1) Eseguire il test di normalità per ciascun gruppo.
(2) Se uno dei due test è significativo, eseguire il test di Wilcoxon.
(3) In caso contrario, eseguire un test omogeneo per le varianze.
(4) Se è significativo, eseguire il test di Welch.
(5) In caso contrario, eseguire il test t di Student.
Questi rituali di diagrammi di flusso sono stati fortemente criticati da molti statistici.
La critica a tutte le procedure generali per i diagrammi di flusso è riportata, ad esempio, alle pp. 1-4 di McElreath, R. (2020:2a ed.) Statistical Rethinking: A Bayesian Course with Examples in R and Stan (2a ed.), CRC Press.
Parlando dei test di Welch, Student e Wilcoxon, provate a inserire il seguente prompt in Copilot, ChartGPT e così via. Ci sono troppi documenti, quindi non posso selezionarne uno.
----------------------
Potresti procurarti degli articoli per criticare la procedura del diagramma di flusso, per eseguire il test di Wilcoxon se il test di normalità è significativo, per eseguire il test di Welch se il test di omogeneità delle varianze è significativo, per eseguire il test t di Student in caso contrario?
Potresti anche procurarti degli articoli che spieghino che il test t di Student è approssimativamente equivalente a un test di permutazione e può essere utilizzato come test non parametrico per verificare H0:F1(y) = F2(y) per ogni y (anche se, in quanto test non parametrico, il test t di Student non diventa un test per H0:mu1=mu2).
----------------------
Per quanto riguarda il test preliminare di normalità prima del test t, John Sall-san ha scritto della robustezza del test t circa 20 anni fa in un articolo del JMPer Cable dal titolo particolare.
Leptocurtofobia: paura irrazionale della non normalità
Per quanto riguarda il test preliminare di omogeneità delle varianze prima dei test t, la famosa frase di GEP Box, "Eseguire il test preliminare sulle varianze è un po' come uscire in mare su una barca a remi per scoprire se le condizioni sono sufficientemente calme perché una nave da crociera possa lasciare il porto!", è citata nella guida alla procedura GLM di SAS ( Centro assistenza SAS: Omogeneità della varianza nei modelli unidirezionali ).
Per quanto riguarda l'analisi dei dati del DOE, GEP Box afferma anche che "bloccare ciò che si può e randomizzare ciò che non si può" può giustificare approssimativamente un'analisi "come se" le ipotesi standard fossero vere.
In Giappone, credo che l'analisi statistica tramite diagrammi di flusso venga ancora copiata e incollata da molti non statistici, blogger o "influencer" nel loro gioco del telefono senza fili su internet. Anche se temo che la mia prospettiva sia di parte, penso che solo pochissimi statistici giapponesi raccomandino ancora questo rituale.
Ho assistito alla presentazione di David Meintrup-san al Discovery Summit Europe 2026. Sono rimasto molto sorpreso dal fatto che l'analisi statistica tramite diagramma di flusso sopra riportato venga presentata come un'analisi statistica da parte di un esperto . Temo inoltre che LearnBot e Assistant abbiano "imparato" questo tipo di rituali dai meme di internet presenti in articoli di blog scritti da persone non esperte di statistica.
