Новые исследования по оценке воздействия изменения климата на экстремальные погодные условия

Три статистика отправляются на охоту за кроликом. Они видят кролика. Первый статистик стреляет и промахивается, ее пуля ударяется о землю под зверем. Второй статистик стреляет и промахивается, их пуля поражает ветвь над лагоморфом. Третий статистик, ленивый завсегдатай, говорит: «Мы получили его!»

ОК, что шутка была не 1 / 5-й, как смешно, как любой из XKCD отличные удары на часто-bayesian дискуссии, но мы надеемся, это будет тепло вас для несколько технических дискуссий о том, как решить, если замечания о погоде на всех объяснимые со ссылкой на изменение климата.
Мы обсуждаем эту тему здесь и сейчас по двум причинам. Один из них заключается в том, что ураган «Харви» был (это) очень серьезное событие погоды в Техасе и Луизиане, которые, возможно, были еще хуже в результате последствий антропогенного глобального потепления, и там может быть еще один действительно неприятный ураган ближайшие (Ирма). Другой заключается в том, что Майкл Манн, Элизабет Ллойд и Наоми Орескес только что опубликовали документ, в котором рассматриваются так называемые завсегдатаи против так называемых байесовских статистических подходов к вопросу о приписывая метеорологические наблюдения изменению климата.

Манн, Майкл, Элизабет Ллойд, Наоми Орескес. 2017. Оценка воздействия изменения климата на экстремальные погодные явления; случае альтернативного (baesian) подхода. Изменение климата (2017) 144:131-142.

Во-первых, я дам вам аннотацию бумаги, то я дам вам мою версию о том, как эти подходы отличаются, и почему я уверен, что авторы правы.

Традиционный подход к выявлению и приписывания воздействия изменения климата на
экстремальные погодные явления, как правило, основаны на часто встречах, где предполагается нулевая гипотеза о невлени влияния, и альтернативная гипотеза влияния принимается только тогда, когда нулевая гипотеза может быть отвергнута при достаточно высоком (например, 95% или Bp . Используя простую концептуальную модель возникновения экстремальных погодных явлений, мы
показывают, что если цель состоит в том, чтобы свести к минимуму ошибку прогноза, альтернативный подход, в котором вероятность
воздействия постоянно обновляются по мере поступления данных. Используя простую доказательство концепции, мы показываем, что такой подход, при довольно общих предположениях, даст больше
точные прогнозы. Мы также утверждаем, что такой подход будет лучше служить обществу, обеспечивая
более эффективным средством информирования лиц, принимающих решения, о потенциальном и разворачивающемся вреде и
возможности расходов. Короче говоря, байесовский подход является предпочтительным, как эмпирически, так и этически. Часто статистика является то, что вы узнали в вашем классе статистики, если вы не фактический статистик. Я хочу знать, если с помощью Magic Plant Dust на мои помидоры производит больше помидоров. Итак, я делю свой томатный патч пополам, и положить определенное количество Magic Plant Пыль на одной половине. Затем я вескую учет того, сколько помидоров, и какой массы, растения урожая. Я могу рассчитать количество помидоров и массу помидоров для каждого растения, и использовать среднее и изменение я наблюдаю для каждой группы, чтобы получить два набора чисел. Моя «нулевая гипотеза» заключается в том, что добавление волшебной пыли не имеет никакого эффекта. Таким образом, в результате урожайность томатов из обработанных растений должна быть статистически такой же, как и от необработанных растений. Я могу выбрать любой из небольшого числа статистических инструментов, все из которых делают примерно то же самое, чтобы придумать статистику испытаний и «P-значение», что позволяет мне сделать какое-то стандартное заявление, как «» обработанные растения производятся больше помидоров » и утверждать, что результат является статистически значимым.