Les dix premières pages du total de 490 dans le livre "Comprendre l'analyse de régression - une approche de distribution conditionnelle" ne vous épateront pas. Cependant, lire des choses que vous comprenez déjà est toujours agréable car cela vous fait vous sentir intelligent.
Le livre établit une terminologie et passe (trop) beaucoup de mots indiquant que ce que vous observez à travers des mesures n'est pas une représentation précise de ce qui est.
Exemple (tiré du livre, mais considérablement raccourci):
La circonférence (Y) d'un cercle mesuré est Y = π*x^2. Ce modèle n'est précis ou déterministe que si le cercle mesuré est mathématiquement parfait. Comme ce n'est jamais le cas, le modèle est faux, car le cercle mesuré est naturellement défectueux et le système de mesure est incertain.
En surbrillance : "Les données ciblent le processus qui produit les données."
Si vous mesurez le diamètre d'un cercle avec un pied à coulisse, les données que vous produisez ciblent le processus de votre système de mesure (le pied à coulisse) plutôt que le mesurande.
En quelques mots : vos données représentent la précision avec laquelle vous mesurez plutôt qu'une estimation réelle du mesurande.
Le livre indique que Y = f(x) doit être corrigé car il ignore toute population Y ou x qui pourrait suivre. Le livre utilise à la place Y | X = x ~ p(y|x), où p indique la distribution de y et x. C'est l'idée générale de « l'approche de distribution conditionnelle ».
J'ai hâte d'en lire plus alors restez à l'écoute.
