Paradoxa de Freedman

En estadística, la paradoxa de Freedman,^[1] en honor a David Freedman, descriu un problema en la selecció d'un model per mig del qual les variables de predicció que no tenen cap poder explicatiu poden aparéixer artificialment importants. Freedman va demostrar (a través de la simulació i el càlcul asintòtic) que esta és una ocurrència comuna quan el número de variables és similar al número de punts de senyes. Recentment, nous alvanços en la teoria de l'informació s'han desenrollat en un intent de reduir este problema,^[2] ademés de generar un biaix de selecció de models,^[3] c els estimadors de variables de predicció que tenen una relació dèbil en la variable de resposta són biaixats.

Referències

↑ Freedman, D. A. (1983) "A note on screening regression equations." The American Statistician, 37, 152–155.
↑ Lukacs, P. M., Burnham, K. P. & Anderson, D. R. (2010) "Model selection bias and Freedman's paradox." Annals of the Institute of Statistical Mathematics, 62(1), 117–125 doi:10.1007/s10463-009-0234-4
↑ Burnham, K. P., & Anderson, D. R. (2002). Model Selection and Multimodel Inference: A Practical-Theoretic Approach, 2nd ed. Springer-Verlag.

Referències

Este artícul conté una traducció derivada de «Paradoja de Freedman» de Wikipedia en castellà publicada baix la Llicència de documentació lliure de GNU i la Llicència Creative Commons Reconeiximent-CompartirIgual 4.0 Internacional.

[1] Freedman, D. A. (1983) "A note on screening regression equations." The American Statistician, 37, 152–155.

[2] Lukacs, P. M., Burnham, K. P. & Anderson, D. R. (2010) "Model selection bias and Freedman's paradox." Annals of the Institute of Statistical Mathematics, 62(1), 117–125 doi:10.1007/s10463-009-0234-4

[3] Burnham, K. P., & Anderson, D. R. (2002). Model Selection and Multimodel Inference: A Practical-Theoretic Approach, 2nd ed. Springer-Verlag.

[1]

[2]

[3]