Introduzione alla sezione

In questa sezione muoviamo i primi passi nell’inferenza bayesiana, con l’obiettivo di comprendere come si passi dalla descrizione dei dati alla formulazione di ipotesi e alla loro valutazione quantitativa. La domanda centrale è: come possiamo aggiornare in modo razionale le nostre convinzioni alla luce di nuove evidenze?

Per rispondere, partiremo dal concetto di incertezza e dal ruolo che essa gioca nella scienza psicologica. Introdurremo quindi il teorema di Bayes come regola generale di aggiornamento, per mostrare come le ipotesi possano essere trattate in modo probabilistico. Vedremo che ogni analisi richiede tre ingredienti fondamentali: un modello statistico che descriva come i dati vengono generati, una distribuzione a priori che rifletta la nostra conoscenza (o ignoranza) prima di osservare i dati, e i dati stessi che permettono di costruire la distribuzione a posteriori.

Lungo il percorso, esploreremo concetti chiave come le famiglie coniugate, i riassunti della distribuzione a posteriori, il bilanciamento tra informazione a priori e dati, e l’importanza dei check predittivi (sia a priori sia a posteriori). Questi strumenti non sono meri dettagli tecnici: costituiscono la grammatica con cui si esprime il ragionamento bayesiano, e gettano le basi per affrontare in seguito modelli più complessi.