En estadística, la paradoja de Freedman,[1] en honor a David Freedman, describe un problema en la selección de un modelo mediante el cual las variables de predicción que no tienen ningún poder explicativo pueden aparecer artificialmente importantes. Freedman demostró (a través de la simulación y el cálculo asintótico) que esta es una ocurrencia común cuando el número de variables es similar al número de puntos de datos. Recientemente, nuevos avances en la teoría de la información se han desarrollado en un intento de reducir este problema,[2] además de generar un sesgo de selección de modelos,[3] c los estimadores de variables de predicción que tienen una relación débil con la variable de respuesta son sesgados.
Referencias
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.
Datos:Q5500406
Noviembre 11, 2021
paradoja, freedman, estadística, paradoja, freedman, honor, david, freedman, describe, problema, selección, modelo, mediante, cual, variables, predicción, tienen, ningún, poder, explicativo, pueden, aparecer, artificialmente, importantes, freedman, demostró, t. En estadistica la paradoja de Freedman 1 en honor a David Freedman describe un problema en la seleccion de un modelo mediante el cual las variables de prediccion que no tienen ningun poder explicativo pueden aparecer artificialmente importantes Freedman demostro a traves de la simulacion y el calculo asintotico que esta es una ocurrencia comun cuando el numero de variables es similar al numero de puntos de datos Recientemente nuevos avances en la teoria de la informacion se han desarrollado en un intento de reducir este problema 2 ademas de generar un sesgo de seleccion de modelos 3 c los estimadores de variables de prediccion que tienen una relacion debil con la variable de respuesta son sesgados Referencias Editar Freedman D A 1983 A note on screening regression equations The American Statistician 37 152 155 Lukacs P M Burnham K P amp 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 amp Anderson D R 2002 Model Selection and Multimodel Inference A Practical Theoretic Approach 2nd ed Springer Verlag Datos Q5500406 Obtenido de https es wikipedia org w index php title Paradoja de Freedman amp oldid 124372664, wikipedia, wiki, leyendo, leer, libro, biblioteca,
