Les bookmarks de Clem
2353 shaares
Un arxiv pour biologistes! reste à savoir si ça va prendre. En tous cas, moi, je soutiens
Ouh mais ça m'a l'air intéressant ça! Je connaissais l'auteur par certains de ses articles, mais là il a écrit tout un bouquin sur l'histoire de la stat.
Ya vraiment des esprits tordus (via sebsauvage).
Un serpent qui vole!
Tiens le monde reprend l'étude sur la reproductibilité de études scientifiques
Tout est dans le titre. Bob O'Hara est co-auteur. Pas lu, mais à lire
Tiens? ça cause débat fréquentiste/bayésien dans Nature. Pas encore lu, mais à lire un jour parce que l'attaque a l'air violente
Une image rigolotte
Ça y est, R est passé à 5000 packages!
Marrant: des utilisateurs de R qui se plantent en faisant des graphiques, et qui génèrent, de façon non intentionnelle, des zouli graphes artistiques.
Ça, ça peut être utile. Un lien à forwarder à ceux qui posent des questions sur "le programme ça plante" sans donner le contexte du plantage.
À garder sous le coude
À garder sous le coude
Sur la significativité statistique. Il y a des pointeurs vers des articles intéressants sur les problèmes de faux positifs. Et le graphe est rigolo, même s'il n'amuse pas Andrew Gelman.
Une autre équivalence que je stocke ici. Lorsque l'on calcule la divergence de Kullback leibler entre deux distributions normales multivariées, la divergence résultante correspond à la distance de Mahalanobis.
Indiqué dans Bar-Hen & Daudin, 1995, Generalization of the Mahalanobis distance in the mixed case, Journal of Multivariate Analysis, 53, 332-342.
Indiqué dans Bar-Hen & Daudin, 1995, Generalization of the Mahalanobis distance in the mixed case, Journal of Multivariate Analysis, 53, 332-342.
Je stocke ça ici parce que j'en ai marre de passer des heures à chercher une preuve de cette équivalence à chaque fois.
Lorsque l'on dispose d'un tableau X contenant le codage disjonctif complet d'une variable qualitative, et un vecteur y contenant des proportions des différentes catégories, la distance de Mahalanobis entre le vecteur y et la distribution des unités dans X est une distance du Chi-deux. Montrant ainsi la pertinence de l'utilisation de la distance de Mahalanobis pour les variables qualitatives.
C'est démontré dans
Greenacre (2007) Correspondence analysis in practice, second edition, Taylor & Francis, p. 270.
Lorsque l'on dispose d'un tableau X contenant le codage disjonctif complet d'une variable qualitative, et un vecteur y contenant des proportions des différentes catégories, la distance de Mahalanobis entre le vecteur y et la distribution des unités dans X est une distance du Chi-deux. Montrant ainsi la pertinence de l'utilisation de la distance de Mahalanobis pour les variables qualitatives.
C'est démontré dans
Greenacre (2007) Correspondence analysis in practice, second edition, Taylor & Francis, p. 270.
Une distribution linux pour statisticiens.
Seuls les paresseux travaillent vraiment dur
Une critique des réseaux sociaux scientifiques et en particulier de MyScienceWork et de leurs méthodes euh... criticables. MyScienceWork s'affiche comme défenseur de l'open access, sauf que l'adhésion à leur système est nécessaire à toute opération. C'est parfaitement compréhensible, mais ce n'est pas de l'open-access. J'aurais un peu la même critique à faire a ResearchGate... J'y suis abonné parce que c'est quand même pratique de connaître les dernières publis des chercheurs que l'on suit, mais c'est vrai que je préfèrerais un réseau réellement open-access.
Serais curieux de savoir si ça existe...
Serais curieux de savoir si ça existe...
Un tumblr dédicacé aux titres de journaux relatant les conneries faites par des mecs bourrés
L'explication des multiplicateurs de Lagrange sur Wikipédia, c'est clair comme du cristal: non seulement ils expliquent bien comment ça marche, mais encore pourquoi ça marche!
Edit: Cela dit, le livre de Nocedal & Wright sur l'optimisation sous contraintes est plus complet, et encore plus clair, puisqu'ils considèrent également le cas où les contraintes contiennent aussi des inégalités.
Edit: Cela dit, le livre de Nocedal & Wright sur l'optimisation sous contraintes est plus complet, et encore plus clair, puisqu'ils considèrent également le cas où les contraintes contiennent aussi des inégalités.
Extrait du précédent site. Je garde cette figure dans un coin, elle est vraiment jolie.
