Philosophical foundations of statistical research

• Authors: Józef Pociecha

Abstracts

EN

Every researcher desires to uncover the truth about the object of the undertaken study. When conducting statistical research, however, scientists frequently give no deeper thought as to their motivation underlying the choice of the particular purpose and scope of the study, or the choice of analytical tools. The aim of this paper is to provide a reflection on the philosophical foundations of statistical research. The three basic understandings of the term ‘statistics’ are outlined, followed by a synthetic overview of the understanding of the concept of truth in the key branches of philosophy, with particular attention devoted to the understanding of truth in probabilistic terms. Subsequently, a short discussion is presented on the philosophical bases of statistics, touching upon such topics as determinism and indeterminism, chance and chaos, deductive and inductive reasoning, randomness and uncertainty, and the impact of the information revolution on the development of statistical methods, especially in the context of socio-economic research. The article concludes with the formulation of key questions regarding the future development of statistics.

Keywords

EN

philosophy of science; philosophy of truth; theory of probability; statistical learning; socio-economic investigations

• Publisher: Główny Urząd Statystyczny
• Journal: Przegląd Statystyczny
• Year: 2020
• Volume: 67
• Issue: 3
• Pages: 195-211

Dates

published

2020

Contributors

author

Józef Pociecha

• Cracow University of Economics, Department of Statistics

• https://orcid.org/000000033140481X

References

• Ajdukiewicz, K. (2006). Język i poznanie. Warszawa: Wydawnictwo Naukowe PWN.
• Carnap, R. (1950). Logical Foundations of Probability. Chicago: The University of Chicago Press.
• Cichosz, P. (2000). Systemy uczące się. Warszawa: Wydawnictwa Naukowo-Techniczne.
• Hastie, T., Tibshirani, R. & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference and Prediction (2nd edition). New York: Springer Science+Business Media.https://doi.org/10.1007/978-0-387-84858-7.
• Heller, M. (2011). Filozofia nauki: Wprowadzenie. Kraków: Petrus.
• James, G., Witten, D., Hastie, T. & Tibshirani, R. (2013). An Introduction to Statistical Learning with Applications in R. New York: Springer Science+Business Media. https://doi.org/10.1007/978-1-4614-7138-7.
• Koronacki, J., Ćwik, J. (2005). Statystyczne systemy uczące się. Warszawa: Akademicka Oficyna Wydawnicza Exit.
• Krzyśko, M., Wołyński, W., Górecki, T. & Skorzybut, M. (2008). Systemy uczące się: rozpoznawanie wzorców, analiza skupień i redukcja wymiarowości. Warszawa: Wydawnictwo Naukowo-Techniczne.
• Kuhn, T. S. (1962). The Structure of Scientific Revolutions. Chicago: The University of ChicagoPress.
• Lakatos, I. (1995). Pisma z filozofii nauk empirycznych. Warszawa: Wydawnictwo Naukowe PWN.
• Migdał-Najman, K., Najman, K. (2017). Big Data = Clear + Dirty + Dark Data. Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu / Research Papers of Wrocław University of Economics, (469), 131–139. https://doi.org/10.15611/pn.2017.469.13.
• von Mises, R. (1957). Probability, Statistics and Truth (2nd edition). London: George Allen &Unwin.
• Oleński, J. (2006). Misja polskiej statystyki publicznej w latach 2006–2011 oraz strategia jej realizacji. Warszawa: Główny Urząd Statystyczny.
• Osiewalski, J. (1991). Bayesowska estymacja i predykcja dla jednorównaniowych modeli ekonometrycznych.Kraków: Akademia Ekonomiczna w Krakowie.
• Ostasiewicz, W. (2012). Myślenie statystyczne. Warszawa: Wolters Kluwer Polska.
• Pociecha, J. (2016). Korzenie polskiej statystyki publicznej – statystyka i statystycy galicyjscy na początku XX wieku. Folia Oeconomica Cracoviensia, 57, 5–18.
• Popper, K. R. (1977). Logika odkrycia naukowego. Warszawa: Państwowe Wydawnictwo Naukowe.
• Pruś, J. (2018). Teorie prawdy: klasyczna, korespondencyjna i semantyczna – próba uściślenia relacji. Rocznik Filozoficzny Ignatianum, 24(2), 57–83. https://doi.org/10.5281/zenodo.2542205.
• Rao, C. R. (1994). Statystyka i prawda. Warszawa: Wydawnictwo Naukowe PWN.
• Russel, S., Norvig, P. (2003). Artificial Inteligence: A Modern Approach (2nd edition). New Jersey: Pearson Education.
• Rutkowski, L. (2009). Metody i techniki sztucznej inteligencji. Warszawa: Wydawnictwo Naukowe PWN.
• Schuster, H. G. (1995). Chaos deterministyczny: Wprowadzenie. Warszawa: Wydawnictwo Naukowe PWN.
• Strawiński, W. (2011). Funkcja i cele nauki – zarys problematyki metodologicznej. Zagadnienia naukoznawstwa, (3), 323–335. http://journals.pan.pl/dlibra/publication/108246/edition/93890/content.
• van Strien, M. (2014). On the origins and foundations of Laplacian determinism. Studies in History and Philosophy of Science, 45(1), 24–31. https://doi.org/10.1016/j.shpsa.2013.12.003.
• Szapiro, T. (1993). Co decyduje o decyzji. Warszawa: Wydawnictwo Naukowe PWN.
• Tarski, A. (1995). Pisma logiczno-filozoficzne. Warszawa: Wydawnictwo Naukowe PWN.
• Tatarkiewicz, W. (1978a). Historia filozofii (t. 1). Warszawa: Państwowe Wydawnictwo Naukowe.
• Tatarkiewicz, W. (1978b). Historia filozofii (t. 3). Warszawa: Państwowe Wydawnictwo Naukowe.
• Trzaskalik, T. (1990). Wielokryterialne, dyskretne programowania dynamiczne: Teoria i zastosowania w praktyce gospodarczej. Katowice: Wydawnictwo Akademii Ekonomicznej.
• Woleński, J. (2014). Epistemologia: Poznanie, prawda, wiedza, realizm. Warszawa: Wydawnictwo Naukowe PWN.

Identifiers

DOI

10.5604/01.3001.0014.7109

Biblioteka Nauki

1043922