Les bookmarks de Clem
2385 shaares
448 results
tagged
stats
Un raffinement du théorème de Bienaymé-Tchebychev très pratique. En gros, si on a une distribution unimodale (quelle que soit cette distribution) caractérisée par une moyenne mu et un écart-type sigma, alors ce théorème indique que la distribution contient au moins 90% des valeurs entre mu-2*sigma et mu+2*sigma, quelle que soit cette distribution. Et que la distribution contient au moins 95% des valeurs si l'on s'appuie sur 3*sigma. Merci à Philippe pour me l'avoir indiqué!
Edit: le même type de théorème existe pour le mode. Bon à savoir
Edit: le même type de théorème existe pour le mode. Bon à savoir
Un bel article. Je suis déjà contre le fait d'inclure systématiquement le zéro sur l'axe des ordonnées quand ça a un sens (sauf dans certains cas très particuliers), mais alors là c'est le pompon! ils incluent le zéro sur un axe... de température mesurée en Celsius!
Thomas Lumley demande légitimement pourquoi ils n'ont pas exprimé l'axe en Kelvin. Tant qu'à faire des graphes inutiles, autant y aller à fond!
Thomas Lumley demande légitimement pourquoi ils n'ont pas exprimé l'axe en Kelvin. Tant qu'à faire des graphes inutiles, autant y aller à fond!
hin hin. yen a qui doutent de rien... Ah la vache, ça fait peur...
Le gars développe une distribution multidimensionnelle linéaire-circulaire pour usage dans un modèle bayésien. Apparemment, le MCMC idéal pour utiliser ce modèle est bien détaillé...
Apparemment, dans certains domaines, c'est une pratique courante de remplacer les prédicteurs par un "median split" (i.e. séparation faible/fort) avant de faire une régression linéaire. Gelman indique qu'il est beaucoup plus efficace de trichotomiser la variable (ya un lien vers une publi): on découpe la variable en trois catégories, que l'on va coder -1,0,1 et on ajuste une régression linéaire dessus. Ça fait l'hypothèse d'une relation linéaire entre l'explicative et la réponse.
Intéressant sur le principe, mais je vois pas bien l'intérêt de couper la variable en pratique (je veux dire, si on a déjà décidé de la forme de cette relation...). Et à lire les commentaires, je suis visiblement pas le seul...
Enfin bon, l'idée d'une trichotomie a l'air rigolotte quand même
Intéressant sur le principe, mais je vois pas bien l'intérêt de couper la variable en pratique (je veux dire, si on a déjà décidé de la forme de cette relation...). Et à lire les commentaires, je suis visiblement pas le seul...
Enfin bon, l'idée d'une trichotomie a l'air rigolotte quand même
Marrant: poser des questions pour détecter la proportions de répondants répondant n'importe quoi. Difficulté: le répondant se moque-t-il du questionnaire ou répond-il au hasard?
À lire.
Encore...
Encore...
Bon à savoir: la médiane est une average, comme la moyenne, comme tous les paramètres de positions. J'utilise donc le terme "average" pour décrire le paramètre lambda dans le modèle de Poisson surdispersé:
y_i ~ Poisson(lambda × epsilon_i)
epsilon_i ~ Normal(0, sigma)
Même si lambda n'est ni une moyenne ni une médiane.
y_i ~ Poisson(lambda × epsilon_i)
epsilon_i ~ Normal(0, sigma)
Même si lambda n'est ni une moyenne ni une médiane.
L'élicitation défendue dans nature. Je me lance dans l'expérience en janvier prochain...
On va voir ce que ça raconte.
On va voir ce que ça raconte.
La vache! ça a l'air super utile ça! On a un code R lent, et profvis permet d'identifier ce qui le ralentit. Et après faut réfléchir
Excellent...
M'a l'air intéressant. À regarder.
Ouh mais ça m'a l'air super intéressant ça. Le bouquin va être passionnant à mon avis. Et j'aime bien les auteurs...
Ça aussi c'est rigolo!
A lire
Intéressant. Quote: "Big Data, n.: the belief that any sufficiently large pile of shit contains a pony"
A regarder
Article intéressant qui fait le lien entre perturbation anthropique, réponse physiologique et comportementale de l'individu, et paramètres démographiques. Le tout intégré dans une approche cohérente. L'impact du dérangement sur les paramètres démographiques est évalué sur dires d'experts. Avec application sur le marsouin. Intéressant.
TRÈS intéressant. À lire.
Yay! il est sorti!
