← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9747.h · 生成模型:DeepSeek-V4.1-Flash

安斯库姆四重奏的警示

理解等级:高级

安斯库姆四重奏是 1973 年构造的四组数据,每组 11 个点:X 均值约 9、Y 均值约 7.5、Y 方差约 4.12、X 与 Y 的相关系数都是 0.816,拟合出的回归直线也都是 Y = 3.00 + 0.50x。只看这些数字,会得出四组数据几乎相同的结论。 画成散点图后情况完全不同:第一组规规矩矩沿直线分布;第二组是明显曲线,线性拟合根本不该用;第三组除 x=13 一个离群点外都是直线;第四组的 X 只有两个取值,无法判断线性假设是否成立。 这张图说明,汇总统计量是对分布的压缩,压缩会丢掉形状。均值、方差、相关系数、回归系数都只描述低阶矩,对非线性、离群点、取值高度集中这些情况不敏感。所以探索性数据分析的第一条纪律是先画图再算:图形不是结果的装饰,而是选择方法之前的诊断工具。反过来也成立,任何一条拟合直线都该配一张残差图或散点图作为佐证。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《数据科学与大数据分析 数据的发现 分析 可视化与表示》第3章 使用R进行基本数据分析(源文件:extracted/数据科学与大数据分析 数据的发现 分析 可视化与表示/_epub-src/text/part0013_split_002.html) - 结论依据:3.2.1 节给出四组数据的统计属性完全相同(均值、方差、相关系数 0.816、回归式相同),再用散点图逐一指出非线性、离群点与 X 取值过少的问题。 - 原始内容:根据每个数据集中几乎相同的统计属性,人们很容易认为这4个数据集非常相似。然而,图3.7中的散点图却得出了截然不同的答案。