Но где же я могу найти авторитетный источник, в котором бы обсуждался совершенно тривиальный и очевидный для математиков факт, что случайный процесс и случайная величина - это разные вещи?!
С одной стороны, вы правы. Если распределение не будет нормальным, формулы расчета стандартного отклонения и стандартной ошибки не изменятся. С другой стороны, статистические инструменты и статистический вывод могут потерять адекватность, к которой мы привыкли, работая с данными, распределенными нормально.
Если я правильно понял, вопрос относится к рис. 8. Для распределения Коши матожидание не существует. Но по набору выборок среднее значение чему-то будет равно.
Интересное замечание. Спасибо. Я ранее не использовал робастные методы. Почитал подробнее про оценочную функцию Тейла-Сена, и выполнил расчеты для данных на рис. 18. Поскольку выбросов нет, можно было ожидать, что наклоны по методу Тейла-Сена и наименьших квадратов (МНК) будут близки. Действительно метод Тейла-Сена дал чуть большее m = 0,8947. На 3,5% больше чем МНК.
Спасибо за ссылки. Ранее не сталкивался со стандартом IBCS. Обязательно почитаю. Думаю, что и указанные вами статьи, и моя статья полезны для аудитории.
>Если честно, когда открывал заголовок - думал статья будет для разработчиков - как рисовать красивые диаграммы доступными им средствами и не на EXCEL. Странно. Я специально в заголовке указал Excel, чтобы не возникали ложные ожидания.
Алексей, спасибо за великолепный комментарий!
Рекомендую книги и научные статьи Нассима Талеба. В частности, Статистические последствия жирных хвостов.
С одной стороны, вы правы. Если распределение не будет нормальным, формулы расчета стандартного отклонения и стандартной ошибки не изменятся. С другой стороны, статистические инструменты и статистический вывод могут потерять адекватность, к которой мы привыкли, работая с данными, распределенными нормально.
Спасибо! Поправил комментарий.
Если я правильно понял, вопрос относится к рис. 8. Для распределения Коши матожидание не существует. Но по набору выборок среднее значение чему-то будет равно.
Интересное замечание. Спасибо. Я ранее не использовал робастные методы. Почитал подробнее про оценочную функцию Тейла-Сена, и выполнил расчеты для данных на рис. 18. Поскольку выбросов нет, можно было ожидать, что наклоны по методу Тейла-Сена и наименьших квадратов (МНК) будут близки. Действительно метод Тейла-Сена дал чуть большее m = 0,8947. На 3,5% больше чем МНК.
Вы использовали данные в приложенном Excel-файле?
Я проверил наклон регрессионной кривой расчетом в лоб по формуле:
Подтвердил значение m = 0,8646.
Проверьте ваши расчеты.
Нашел ссылку на гайд IBCS в формате pdf https://antonz.ru/dataviz-guide/
Спасибо за ссылки. Ранее не сталкивался со стандартом IBCS. Обязательно почитаю. Думаю, что и указанные вами статьи, и моя статья полезны для аудитории.
Эта книга несколько раз упоминается в статье))
>Если честно, когда открывал заголовок - думал статья будет для разработчиков - как рисовать красивые диаграммы доступными им средствами и не на EXCEL.
Странно. Я специально в заголовке указал Excel, чтобы не возникали ложные ожидания.