Pierwszy raz, kiedy zobaczyłem to słowo w podręczniku, byłem pewien, że nigdy go nie zapamiętam, a co dopiero zrozumiem. Dziś to jedna z pierwszych rzeczy, których szukam na wykresie reszt, zanim uwierzę jakiemukolwiek modelowi regresji.
Chodzi o coś prostego: rozrzut błędów nie zawsze jest taki sam na całej długości danych. Czasem model przewiduje świetnie dla małych wartości i coraz gorzej dla dużych, a rozrzut punktów na wykresie rozszerza się jak lejek. Ignorowanie tego prowadzi do fałszywej pewności — przedziały ufności, które wyglądają solidnie, a w rzeczywistości są niewiarygodne tam, gdzie rozrzut jest największy.
Nauczyłem się, że najpierw trzeba spojrzeć na wykres reszt, zanim zaufa się jakiemukolwiek współczynnikowi. To jedna z tych lekcji, które brzmią banalnie, dopóki nie zapomni się jej zastosować i nie zapłaci za to błędnym wnioskiem.
Dodaj komentarz