Paradoxe de Freedman
En statistique, le paradoxe de Freedman[1] - [2], nommé d'après David Freedman, décrit un problème en sélection de modèle où les variables explicatives sans pouvoir explicative peut être artificiellement important. Freedman a démontré (par de la simulation et des calculs asymptotiques) que c'est un phénomène courant lorsque le nombre de variables est proche du nombre d'observations.
Références
- Freedman, D. A. (1983) "A note on screening regression analysis equations."
- Laurence S. Freedman et David Pee, « Return to a Note on Screening Regression Equations », The American Statistician, vol. 43, no 4,‎ , p. 279-282 (DOI 10.2307/2685389, lire en ligne)
Cet article est issu de wikipedia. Text licence: CC BY-SA 4.0, Des conditions supplémentaires peuvent s’appliquer aux fichiers multimédias.