A ideia central
Para o frequentista, a probabilidade de um resultado é a frequência com que ele ocorreria em muitas repetições do mesmo procedimento. Por isso não faz sentido falar da probabilidade de uma hipótese: ela é verdadeira ou falsa. O que se avalia são os métodos: um teste com nível de 5% erra, em média, em no máximo 5% das vezes em que a hipótese nula é verdadeira. Ronald Fisher criou o teste de significância e o p-valor; Jerzy Neyman e Egon Pearson, a teoria dos testes de hipóteses com erros do tipo I e II. Deborah Mayo atualizou a abordagem com a ideia de testes severos.
Referências
Ronald Fisher, Jerzy Neyman, Egon Pearson, Richard von Mises, Hans Reichenbach, Deborah Mayo.
De onde veio
Dominou a estatística do século XX, especialmente na medicina e na psicologia, a partir dos trabalhos de Fisher nos anos 1920 e 1930.
Diante da astrologia
Testaria a astrologia com uma hipótese nula (astrólogos acertam ao acaso) e um nível de significância definido antes. Nos testes feitos, não houve resultado que permitisse rejeitar a hipótese nula. Veja o caso da astrologia.
Pontos fortes: o que pode estar certo
- Não depende de crenças prévias de quem analisa.
- Dá garantias claras sobre as taxas de erro dos métodos.
- Combina com a exigência de procedimentos definidos antes dos dados.
Objeções
- O p-valor é muito mal interpretado, inclusive por cientistas.
- Não responde diretamente à pergunta que interessa: quão provável é a hipótese.
- Dificuldade com eventos únicos.
O que dizem os críticos
Bayesianos dizem que o frequentismo responde à pergunta errada. O uso mecânico do p < 0,05 contribuiu para a crise de replicação, embora defensores atribuam o problema ao mau uso, não ao método.
O que não é frequentismo estatístico
Concepções erradas e espantalhos que costumam aparecer em conversas e debates, com a correção.
“Frequentistas acham que p < 0,05 prova a hipótese.”
Nenhum frequentista sério diz isso; o p-valor controla a taxa de erro de um procedimento, não prova hipóteses.
“O frequentismo foi refutado pelo bayesianismo.”
As duas abordagens convivem, e muitos estatísticos usam ambas conforme o problema.