Metodi bayesiani in psicologia

Autore/Autrice

Corrado Caudek

Data di Pubblicazione

24 settembre 2025

Questo portale costituisce un sito di accompagnamento (companion site) al manuale Metodi bayesiani in psicologia (UTET), pensato come spazio dedicato all’approfondimento operativo. Qui trovate esempi supplementari implementati in R e Stan, chiarimenti concettuali, note sul workflow bayesiano e collegamenti a materiali correlati, come richiami di teoria della probabilità, elementi di inferenza frequentista e analisi esplorativa dei dati (EDA).

Struttura dei contenuti

  1. Inferenza bayesiana — Nozioni chiave, distribuzione a posteriori, controlli predittivi, equilibrio prior–dati.
  2. MCMC e Stan — Algoritmo di Metropolis, diagnostiche, parametrizzazioni, workflow, casi studio.
  3. Regressione — Dal modello lineare a estensioni pratiche con brms/Stan.
  4. GLM — Regressione logistica, regressione di Poisson, proporzioni; esempi riproducibili e criticità comuni.
  5. Entropia e confronto modelli — KL, LOO-CV, ELPD e lettura predittiva dei modelli.
  6. Modelli formali — Modelli dinamici, modello di Rescorla–Wagner, collegamenti con i dati psicologici.
  7. Crisi e riforma metodologica — Contesto storico-critico e pratiche contemporanee.

Ogni sezione integra i capitoli del manuale senza ripeterli, offrendo esempi completi e commentati.

Moduli propedeutici

Per chi desidera un ripasso preliminare, sono disponibili tre percorsi di supporto:

Come usare questo portale

Il companion è concepito come uno strumento di apprendimento attivo, che richiede un coinvolgimento diretto e operativo da parte dell’utente. Si raccomanda quindi di:

  • eseguire personalmente gli script presentati,
  • modificare parametri e opzioni,
  • osservare sistematicamente le conseguenze sulle stime e sulle diagnostiche.

Questo approccio sperimentale aiuta a sviluppare una comprensione intuitiva e profonda del funzionamento dei modelli.

Inoltre, è importante adottare una prospettiva meccanicistica: i parametri non sono meri numeri statistici, ma componenti di un meccanismo generativo che spiega il comportamento osservato. In questa chiave, l’analisi quantitativa diventa uno strumento per la spiegazione psicologica.

Infine, la valutazione dei modelli dovrebbe privilegiare predittività, generalizzabilità e trasparenza interpretativa. Un modello utile non è solo quello che “si adatta bene” ai dati, ma soprattutto quello che fornisce una rappresentazione coerente del fenomeno, anticipa comportamenti in contesti nuovi e chiarisce i processi sottostanti in modo semplice ed elegante.

Strumenti necessari

Licenza d’uso

Materiali rilasciati con licenza
CC BY-NC-ND 4.0.
Condivisione consentita con attribuzione, solo per usi non commerciali e senza modifiche.