2383 shaares
Cleveland avait soulevé le problème dans son bouquin de 1993: il illustrait le cas d'une étude où les auteurs étaient passés à côté des structures importantes dans leurs données, et montrait qu'avec des graphes simples à comprendre, on identifiait facilement ces structures. J'avais stocké le passage:
Sometimes, when vizualisation thoroughly reveals the structure of a set of data, there is a tendency to underrate the power of the method for the application. Little effort is expended in seeing the structure once the right visualization method is used, so we are mislead into thinking nothing exciting has occurred. (...)
The rubber data might be such a case. The intensive visualization showed a linearity in hardness, a nonlinearity in tensile strenght, an interaction between hardness and tensile strength, and three aberrant observations in a corner of the factor measurement region. It might be thought that anyone analyzing these data would uncover these properties. This is not the case. In the original treatment, the analysts got it wrong. They operated within a paradigm of numerical methods and probabilistic inference for data analysis, and not intensive visualization. They missed the nonlinearity. They missed the interaction. They missed the outliers. In other words, they missed most of the structure of the data.
Sometimes, when vizualisation thoroughly reveals the structure of a set of data, there is a tendency to underrate the power of the method for the application. Little effort is expended in seeing the structure once the right visualization method is used, so we are mislead into thinking nothing exciting has occurred. (...)
The rubber data might be such a case. The intensive visualization showed a linearity in hardness, a nonlinearity in tensile strenght, an interaction between hardness and tensile strength, and three aberrant observations in a corner of the factor measurement region. It might be thought that anyone analyzing these data would uncover these properties. This is not the case. In the original treatment, the analysts got it wrong. They operated within a paradigm of numerical methods and probabilistic inference for data analysis, and not intensive visualization. They missed the nonlinearity. They missed the interaction. They missed the outliers. In other words, they missed most of the structure of the data.
Une liste des classiques en stats à lire absolument d'après Christian Robert
Bon à partir de maintenant, je vais utiliser des messages de commit pertinents et arrêter d'écrire n'importe quoi...
Intéressant. Je savais déjà pour sa contribution à l'estimation du nombre d'espèces, pas pour le reste.
Faudra que je récupère l'article
Faudra que je récupère l'article
Fil intéressant: quelques bons morceaux, certains très marrants, beaucoup de kitchissimes.
Me le met de côté
Me le met de côté
Du coup, je me mets de côté le raccourcisseur d'URL
Très intéressant, les sources sont données.
TRÈS intéressant.
La vache, c'est pas mal ça: pour injecter un code txt présent dans un fichier séparé dans un document latex.
Oui, ça va être bien utile..
Oui, ça va être bien utile..
...Et la critique du bouquin, plutôt positive.
Un livre intéressant
Intéressant.
J'ai bien rigolé. Ya même moyen de télécharger le pdf.
Bon, ça ne marche que sous chrome ou chromium, et faut pas être trop enrhumé, mais c'est très rigolo!
Très intéressant (et la carte a été faite sous R). Preuve qu'un simple graphique ou une simple carte peut être examinée pendant des heures et contenir une foule d'info lorsqu'elle est bien faite!
Putain, ils s'arrêtent jamais les mecs de chez Rstudio. J'avais vu passer ça, mais j'avais pas percuté à quel point ça déchirait...
Je vais quand même me garder ça sous le coude, j'ai le sentiment que c'est un outil rigolo pour communiquer des résultats via une page web...
Je vais quand même me garder ça sous le coude, j'ai le sentiment que c'est un outil rigolo pour communiquer des résultats via une page web...
À lire
C'est TRÈS intéressant!
Faute d'un stockage à long terme, les données scientifiques se perdent à un rythme de 17% par an!
Comme quoi, réfléchir aux bases de données, hein...
Faute d'un stockage à long terme, les données scientifiques se perdent à un rythme de 17% par an!
Comme quoi, réfléchir aux bases de données, hein...