Проблема зацикленности статистики (которую также можно назвать статистическим порочным кругом) состоит в следующем. Скажем, вам нужны прошлые данные, чтобы определить, является ли распределение вероятности нормальным, фрактальным или каким-то еще. Нужно установить, достаточно ли у вас данных, чтобы ваше утверждение было обоснованным. Как узнать, достаточно ли у нас данных? Из распределении вероятности. Оно покажет, хватает ли у тебя данных, чтобы то, что ты предполагаешь, «заслуживало доверия». Для кривой нормального распределения достаточно малого количества точек (опять закон больших чисел). А как узнать, что распределение нормальное? Вообще-то на основании данных. Итак, нам нужны данные, чтобы узнать, каково распределение вероятности, и распределение вероятности, чтобы узнать, сколько данных нам нужно. Это порочный крут.
И напоследок еще раз поговорим об истории.
Mikhail, M. В., В. R. Walther, and R. H. Willis, 1999, «Does Forecast Accuracy Matter to Security Analysts?» The Accounting Review 74(2): 185–200.
Чуть позже я с удивлением узнал, что здание этого казино тоже располагалось вне платонической складки.
Armelius, В., and K. Armelius, 1974, «The Use of Redundancy in Multiple-cue Judgments: Data from a Suppressor-variable task.» American Journal of Psychology 87: 385–392.