On Thursday, February 9, 2012 1:00:41 PM UTC, slawek wrote:
> Użytkownik "Roman W" napisał w wiadomości grup
> dyskusyjnych:30851878.2737.1328362702866.JavaMail.ge
o-discussion-forums@yqbc11...
>
> >Regresja liniowa nie wymaga, zeby dane ukladaly sie w wykres funkcji
> >jednowartosciowej. Regresja liniowa modeluje problem jako model
> >deterministyczny + czynniki losowe. Obecnosc w >zbiorze danych par (X,Y1),
> >(X,Y2) itd. oznacza, ze masz kilka realizacji czynnika losowego dla tej
> >samej wartosci X. To jest OK.
>
> Mylisz "wykres funkcji" z "funkcją" (to nie jest to samo),

Nie myle. Dane to pary (X,Y). Wykres funkcji to zbior par (X,f(X)). Teraz rozumiesz?

> piszesz "czynnik
> losowy" (choć prawidłowe określenie to "zmienna losowa"),

To synonimy w mowie potocznej. Daj se spokoj z ta analnoscia, bo to nudne.

> zakładasz iż x to
> zmienna niezależna (a przecież nie musi tak być i w praktyce najczęściej nie
> jest).

Takie jest zalozenie w regresji liniowej.

>
> >W podanym przez Ciebie przykladzie problem nie polega na tym, ze dla
> >jednego X masz wiele Y, tylko ze masz tylko jeden X. Jezeli wprowadzisz
> >zbior danych:
>
> Podany przykład jest tzw. "z życia wziętym". Mamy dane, te dane są "skądś" -
> np. z bolometru nadprzewodzącego, ankiety na temat jakości sera, tachometru,
> rachunków bankowych. Nie ma gwarancji, że x jest znane dokładnie, nie ma
> gwarancji że x lub y się nie będą powtarzać. Nie ma gwarancji, a priori, że
> nie będzie serii (0, 1), (0, 2), (0, 3), a nie jest to w żaden sposób gorsza
> seria niż (1, 0), (2, 0), (3, 0) - wystarczy tylko np. zamiast spisywać
> napięcie i natężenie - spisywać natężenie i napięcie (czyli zrobić taki
> swap).

Regresja liniowa dziala przy zalozeniu, ze X znasz dokladnie.

>
> Dobry algorytm poradzi sobie - da jakieś oszacowanie na współczynnik
> kierunkowy i wyraz wolny, da jakiś współczynnik korelacji, odchylenia
> standardowe... choćby miały one być po prostu nawet i nieskończone (INF jest
> w standardzie IEEE). Zły algorytm - wyłoży się, da złą odpowiedź do niczego
> nie pasującą (np. dla serii (0, 1), (0, 2), ... będzie to współczynnik
> kierunkowy 0.23423), w najlepszym przypadku zgłosi błąd "niedasie".

No, a idealny to jeszcze pranie zrobi i upiecze szarlotke.

>
> >Natomiast taki zbior danych
> >{ (0,1), (0,1.2), (1,2) }
> >jest poprawny.
>
> Po pierwsze, nie ma danych "poprawnych" i "niepoprawnych" - są tylko
> prawdziwe i sfałszowane.

Malo wiesz o swiecie.

> Elementarna etyka badań naukowych wymaga
> przyjmowanie i analizę wszystkich wyników, selektywne "uznaniowe"
> traktowanie jest to tzw. "wishfull thinking" i jest bardzo nieprofesjonalne.

Bzdura. Nieumiejetnosc odroznienia danych sensownych od bzdur (bo np. komus sie
woltomierz skrzywil) dyskwalifikuje badacza.

> Dlatego musisz być gotowy na zupełnie cudaczne ciągi liczb.

Moze kiedy badam UFO albo ksiegowosc w Lehman Brothels.

RW