Något OT, men jag vill bara dela med mig av en roande liknelse från "The signal and the noise" av Nate Silver som jag läste ut för ett tag sen, som bl a har ett helt kapitel om klimatförändringar, och där detta ses som ett exempel på prognos - om klimat då alltså och inte om väder.
Iaf finns det ju många som försöker använda det stora bruset i klimatdata för att ifrågasätta IPCSs prognoser.
Men samma trick kan man ju köra på annat. Silver gör det på sambandet mellan matkonsumtion (antal kalorier per dag) och fetma i olika länder. Intressant nog visar det sig att om man bara tittar på datapunkterna, så finns det INTE ett statistiskt signifikant* samband! I t ex Sydkorea vräker de i sig mer än 3000 kcal per dag och har ändå ett av de lägsta värdena på "obesity rate" (3%) av alla länder i hela undersökningen. I önatationen Nauru äter de ungefär lika mycket men har en "obesity rate" på hela 79%!
Silver: "But to my knowledge there does not exist a community of 'obesity sceptics' who cite statistics like these to justify a diet of big macs and fritos"
Varför? I detta sammanhang är ju de kausala sambanden självklara. Det MÅSTE finnas ett samband mellan kalorikonsumtion och fetma. Varför märks då inte detta i data? T ex finns det svårigheter med att samla in dessa, som bygger på självrapportering om vad man äter. Och så skiljer det sig mellan länderna hur mycket de motionerar, och så kan det ju även finnas någon genetisk komponent som har betydelse för ämnesomsättningen.
Men det måste det ju faktiskt även när det gäller växthusgaser och klimat. Att koldioxid är en växthusgas har man tydligen känt till lika länge som evolutionsteorin (bevisad 1859 av James Tyndall), och att högre temperatur leder till högre luftfuktighet är också gammal skåpmat från termodynamik (via Clausius-Clapeyrons-ekvationen.
Silver: "This Isn't Rocket Science" Det bygger på välkända empriska fakta och teorier som går tillbaka till 1800-talet. Och som inte har omvärderats än kan man väl också påpeka.
Detaljerna i jordens framtida klimatförändringar är svåra att beräkna, men ATT temperaturen måste öka med ökad CO2 är en självklarhet. Och det även om även om data har mycket brus, iaf i det kortare perspektivet.
Fotnot
* Silver skriver även om att statistisk signifikans i sig är i sig ett problematiskt begrepp, även om hans diskussion om frekventism (i ett annat kapitel) säkert också kan kritiseras. Själv ser han Bayesiansk statistik som det enda rätta, vilket nog iaf jag tvivlar på, men han har iaf lyckats få mig mer positivt inställd till Bayes variant med dess (som jag tyckte förut) väldigt märkliga användning av en första gissning på sannolikheter, innan man ens har sett data.
"Det MÅSTE finnas ett samband mellan kalorikonsumtion och fetma. "
Så självklart är det inte. Uppenbarligen kan man inte bli överviktig på ren svältdiet, men kroppen är inte bara en passiv receptor där allt man sätter i sig lagras utan det finns en massa reglermekanismer. Vilken typ av mat man äter, hormoner eller hormonstörande ämnen man får i sig, stress, sömnbrist osv. Det finns hur många faktorer som helst som kan påverka.
Olle: När det gäller Silvers behandling av kortsiktiga variationer (som du kritiserar i din recension) uppfattade jag detta som ett svar mot klimatskeptiker som ju gör just detta. Liknande har ju ibland även gjorts på den här bloggen. Fast i just Silvers fall tillkommer förstås hans Bayesianska infallsvinkel och att ALL ny information kan användas för att uppdatera sannolikheterna.
Thomas: Just det, det är mycket som påverkar fetma. Vilket iofs även är sant när det gäller väder och klimat. Men allt annat lika blir man fetare av fler konsumerade kalorier, och klimatet blir varmare med mer koldioxid i atmosfären.
Något OT, men jag vill bara dela med mig av en roande liknelse från "The signal and the noise" av Nate Silver som jag läste ut för ett tag sen, som bl a har ett helt kapitel om klimatförändringar, och där detta ses som ett exempel på prognos - om klimat då alltså och inte om väder.
SvaraRaderaIaf finns det ju många som försöker använda det stora bruset i klimatdata för att ifrågasätta IPCSs prognoser.
Men samma trick kan man ju köra på annat. Silver gör det på sambandet mellan matkonsumtion (antal kalorier per dag) och fetma i olika länder. Intressant nog visar det sig att om man bara tittar på datapunkterna, så finns det INTE ett statistiskt signifikant* samband! I t ex Sydkorea vräker de i sig mer än 3000 kcal per dag och har ändå ett av de lägsta värdena på "obesity rate" (3%) av alla länder i hela undersökningen. I önatationen Nauru äter de ungefär lika mycket men har en "obesity rate" på hela 79%!
Silver: "But to my knowledge there does not exist a community of 'obesity sceptics' who cite statistics like these to justify a diet of big macs and fritos"
Varför? I detta sammanhang är ju de kausala sambanden självklara. Det MÅSTE finnas ett samband mellan kalorikonsumtion och fetma. Varför märks då inte detta i data? T ex finns det svårigheter med att samla in dessa, som bygger på självrapportering om vad man äter. Och så skiljer det sig mellan länderna hur mycket de motionerar, och så kan det ju även finnas någon genetisk komponent som har betydelse för ämnesomsättningen.
Men det måste det ju faktiskt även när det gäller växthusgaser och klimat. Att koldioxid är en växthusgas har man tydligen känt till lika länge som evolutionsteorin (bevisad 1859 av James Tyndall), och att högre temperatur leder till högre luftfuktighet är också gammal skåpmat från termodynamik (via Clausius-Clapeyrons-ekvationen.
Silver: "This Isn't Rocket Science" Det bygger på välkända empriska fakta och teorier som går tillbaka till 1800-talet. Och som inte har omvärderats än kan man väl också påpeka.
Detaljerna i jordens framtida klimatförändringar är svåra att beräkna, men ATT temperaturen måste öka med ökad CO2 är en självklarhet. Och det även om även om data har mycket brus, iaf i det kortare perspektivet.
Fotnot
* Silver skriver även om att statistisk signifikans i sig är i sig ett problematiskt begrepp, även om hans diskussion om frekventism (i ett annat kapitel) säkert också kan kritiseras. Själv ser han Bayesiansk statistik som det enda rätta, vilket nog iaf jag tvivlar på, men han har iaf lyckats få mig mer positivt inställd till Bayes variant med dess (som jag tyckte förut) väldigt märkliga användning av en första gissning på sannolikheter, innan man ens har sett data.
Jag läste Silver för något år sedan, och var delvis positiv men hade också många kritiska synpunkter.
Radera"Det MÅSTE finnas ett samband mellan kalorikonsumtion och fetma. "
RaderaSå självklart är det inte. Uppenbarligen kan man inte bli överviktig på ren svältdiet, men kroppen är inte bara en passiv receptor där allt man sätter i sig lagras utan det finns en massa reglermekanismer. Vilken typ av mat man äter, hormoner eller hormonstörande ämnen man får i sig, stress, sömnbrist osv. Det finns hur många faktorer som helst som kan påverka.
Olle: När det gäller Silvers behandling av kortsiktiga variationer (som du kritiserar i din recension) uppfattade jag detta som ett svar mot klimatskeptiker som ju gör just detta. Liknande har ju ibland även gjorts på den här bloggen. Fast i just Silvers fall tillkommer förstås hans Bayesianska infallsvinkel och att ALL ny information kan användas för att uppdatera sannolikheterna.
RaderaThomas: Just det, det är mycket som påverkar fetma. Vilket iofs även är sant när det gäller väder och klimat. Men allt annat lika blir man fetare av fler konsumerade kalorier, och klimatet blir varmare med mer koldioxid i atmosfären.