Otro índice de sorpresa y algún que otro asunto más
I.
Lo que hemos aprendido de lanzar al aire monedas 350757 veces. Del resumen:
- Hay cierta tendencia (~51%) a que la moneda caiga en el mismo sentido en que estaba al ser lanzada (i.e., que salga cara si al lanzar la moneda, la cara estaba hacia arriba).
- Hay mucha variación interpersonal.
- El sesgo decrece conforme la misma persona lanza las monedas más y más veces.
II.
Si alguien os pregunta de algún caso en el que se explica una cosa oscura de manera todavía más oscura, mostradles Desorden y predicción en series trimestrales.
III.
En el mismo blog, hay una entrada —da igual el tema—, que acaba, nada menos, así:
Hará falta más trabajo empírico para confirmarla definitivamente o refutarla.
¿De dónde sacan a gente capaz de escribir eso?
IV.
John D. Cook habla del índice de sorpresa aquí.
El índice de sorpresa del evento $i$ podría ser $-\log p_i$ o, simplemente, $1 / p_i,$ pero el lector podrá convencerse de que, en cierto sentido, es más apropiado usar
$$\frac{\sum_j p_j^2}{p_i}.$$
V.
En If you fit a model with multiply imputed data, you can still plot the line (y también aquí) se discute un problema que, espero, en unos años no tendremos:
- Tienes datos con algunos missings.
- Realizas imputación múltiple, con lo aue obtienes varios conjuntos de datos completos.
- Ajustas modelos sobre cada uno de ellos.
- Combinas los distintos modelos en uno global, definitivo.
En el futuro, con suerte, todo (imputación + modelo) se ajustará simultáneamente.
