Faudrait vraiment que je trouve le temps de lire ça...

o c'est rigolo.

Intéressant: à garder sous le coude

C'est une question qu'on me pose souvent (comparer la pente d'une même variable d'un modèle à l'autre), et c'est la réponse que je donne souvent (mettez une interaction). Je ne suis pas d'accord avec "you need a p-value", mais je suis d'accord avec la stratégie générale. Je cherche des refs là-dessus...

Une introduction à la régression ridge, avec application sous R.

Un post intéressant de Thomas Lumley sur le générateur de nombres pseudo-aléatoires de Wichmann-Hill, mal simplifié pour départager les résultats du référendum sur le nouveau drapeau de la NZ.
Un point intéressant sur l'explication du RNG par défaut sous R: "We’ve changed the generator in R because Wichmann-Hill isn’t up to modern research use. Its period is only 6.95×1012, and you ideally don’t run a PRNG for longer than the square root of its period. For a research statistician, a limit of 2.5 million numbers in a stream isn’t enough"

Première tentative d'ajustement de modèle bayésien sous STAN... échec: STAN ne permet pas l'ajustement de modèles avec des variables cachées entières (e.g. un effectif détecté comme réponse, un effectif réel comme paramètre). Ce qui rétrospectivement semble assez logique, quand on connaît le principe du Monte Carlo Hamiltonien. La seule solution est de marginaliser le paramètre entier quand on en a un... Ce qui n'est pas toujours simple à réaliser. Enfin, dans le cas présent, je n'ai pas le choix, mon modèle est caractérisé par un mélange moisi avec un sampler de Gibbs, et je pense que le fait de m'appuyer sur un paramètre latent entier n'y est pas pour rien.

Edit: le manuel de Stan, section 11.3, évoque les modèles de CMR. Il présente deux cas de figure:
* l'estimateur de Lincoln-Petersen de la taille de population N à partir d'animaux marqués à une première occasion de capture, puis recapturés à une deuxième occasion. Dans ce cas, on peut traiter le modèle en prenant N comme paramètre continu.
* le modèle de Cormack-Jolly-Seber, dans lequel on a une variable latente z_i(t) pour chaque animal i qui prend la valeur 1 si l'animal est vivant au temps t et 0 sinon. Pour pouvoir ajuster ce modèle, il faut marginaliser pour se débarrasser du paramètre.
Oui, donc Stan, uniquement quand on a des paramètres continus (éviter les variables latentes discrètes genre effectif réel non observé).

Un post marrant sur les raisons qui amènent à une sursimplification de la réalité et aux hypothèses irréalistes dans le développement mathématique.

Une présentation intéressante d'Olivier Gimenez sur l'analyse des données de sciences participatives.

Je stocke ça ici pour l'avenir. Un théorème très rigolo que l'on retrouve à plusieurs endroits dans la littérature: si Y est une variable aléatoire caractérisée par une distribution de probabilité quelconque, et U une variable aléatoire uniforme [0,1], alors X=Y*U suit une distribution unimodale. Toujours.
C'est fou ça. Sous R, démonstration:

y=c(rnorm(50000),rnorm(50000, mean=100)) ## Un truc bien bimodal
u=runif(100000)
hist(y)
hist(y*u)

J'ai pas trouvé l'article de Khintchine démontrant cette propriété d'unimodalité, mais de toutes façons je ne l'aurais pas lu: il est en russe. Je stocke ça ici, j'en aurai sûrement besoin un jour.

Edit: En fait, c'est même pire que ça: toutes les distributions univariées unimodales admettent une représentation sous cette forme (produit Y*U). Voir le théorème 2 dans l'article de Shepp 1962 (http://www-stat.wharton.upenn.edu/~shepp/publications/2.pdf)

Edit 2: voir aussi une description assez intuitive de ce théorème dans :
Jones, M. 2002. On Khintchine's theorem and its place in random variate generation. The American Statistician 56