Las primeras diez páginas del total de 490 en el libro "Comprensión del análisis de regresión: un enfoque de distribución condicional" no lo dejarán boquiabierto. Sin embargo, leer cosas que ya entiendes siempre es agradable, ya que te hace sentir inteligente.
El libro establece cierta terminología y gasta (demasiadas) palabras afirmando que lo que observas a través de las medidas no es una representación precisa de lo que es.
Ejemplo (tomado del libro, pero abreviado significativamente):
La circunferencia (Y) de un círculo medido es Y = π*x^2. Este modelo solo es preciso o determinista si el círculo medido es matemáticamente perfecto. Dado que este nunca es el caso, el modelo es incorrecto, ya que el círculo medido tiene fallas naturales y el sistema de medición es incierto.
Resaltado: “Los datos apuntan al proceso que produce los datos”.
Si mide el diámetro de un círculo con un calibrador, los datos que produce apuntan al proceso de su sistema de medición (el calibrador) en lugar del mensurando.
En pocas palabras: sus datos representan la precisión con la que mide en lugar de ser una estimación real del mensurando.
El libro indica que Y = f(x) debe corregirse ya que ignora cualquier población que Y o x pueda seguir. El libro usa en su lugar Y | X = x ~ p(y|x), donde p indica la distribución de y y x. Esta es la idea general del “enfoque de distribución condicional”.
Tengo muchas ganas de leer más, así que estad atentos.
