Die ersten zehn Seiten der insgesamt 490 Seiten des Buches „Understanding Regression Analysis – a Conditional Distribution Approach“ werden Sie nicht umhauen. Es ist jedoch immer schön, Dinge zu lesen, die Sie bereits verstehen, da Sie sich dadurch schlau fühlen.
Das Buch legt einige Terminologien fest und verbringt (zu) viele Worte damit, dass das, was Sie durch Messungen beobachten, keine genaue Darstellung dessen ist, was ist.
Beispiel (aus dem Buch übernommen, aber deutlich gekürzt):
Der Umfang (Y) eines gemessenen Kreises ist Y = π*x^2. Dieses Modell ist nur dann genau oder deterministisch, wenn der gemessene Kreis mathematisch perfekt ist. Da dies nie der Fall ist, ist das Modell falsch, da der gemessene Kreis natürlich fehlerhaft und das Messsystem unsicher ist.
Hervorgehoben: „Die Daten zielen auf den Prozess ab, der die Daten produziert.“
Wenn Sie den Durchmesser eines Kreises mit einem Messschieber messen, zielen die von Ihnen erzeugten Daten eher auf den Prozess Ihres Messsystems (den Messschieber) als auf die Messgröße ab.
Mit weniger Worten: Ihre Daten stellen dar, wie genau Sie messen, anstatt eine tatsächliche Schätzung der Messgröße zu sein.
Das Buch weist darauf hin, dass Y = f(x) korrigiert werden muss, da es jede Population, die Y oder x folgen könnte, ignoriert. Das Buch verwendet stattdessen Y | X = x ~ p(y|x), wobei p die Verteilung von y und x angibt. Dies ist die allgemeine Idee des „Conditional Distribution Approach“.
Ich freue mich darauf, mehr zu lesen, also bleiben Sie dran.
