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 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.