Estrictamente hablando, es correcto. Pero de otra manera, está completamente mal.
Hay dos puntos:
1. ¿Qué hace el software estadístico?
Es cierto que es más fácil ejecutar modelos altamente paramétricos (p. Ej., Regresión de mínimos cuadrados ordinarios) que modelos menos paramétricos (como, por ejemplo, splines de regresión adaptativa multivariante – MARS). Pero si bien esto es cierto con las computadoras, era aún más cierto antes de las computadoras. Simplemente intente configurar un modelo MARS con solo una calculadora, ¡puede llevar toda una vida!
- ¿Cuáles son algunos cursos de análisis de datos?
- ¿Es la aplicación del sistema de semáforo de álgebra lineal? ¿Si es así, entonces cómo? Explicar brevemente.
- ¿Cuál es la diferencia entre las notaciones big oh, big omega y big theta?
- ¿Cómo desarrollar un sistema de predicción de salud inteligente web utilizando la minería de datos? ¿Cuál es la mejor manera y herramientas?
- Después de Mu-sigma, ¿debería unirme a Flipkart o un inicio en análisis de datos?
De hecho, la razón por la cual el software de computadora enfatiza los modelos paramétricos es porque ahí es donde está la demanda; y la razón de esa demanda es la familiaridad; y la razón de la familiaridad es que los otros modelos eran muy, muy difíciles antes que las computadoras.
(por ejemplo, algunos análisis factoriales se realizaron solo con calculadoras, pero tomó mucho trabajo)
2. Suposiciones que están mal.
Bien, tomemos la regresión de OLS. Se supone que los errores (según lo estimado por los residuos) se distribuyen normalmente. Esto, estrictamente hablando, nunca es cierto. ¿Pero entonces? ¿Qué tan grande es la violación y qué consecuencias tiene? OLS también supone que las relaciones son lineales. Nunca es estrictamente cierto, pero, de nuevo, ¿entonces?
Hoy, con las computadoras, podemos ejecutar fácilmente múltiples modelos, incluidos los que imponen menos restricciones. Luego podemos comparar el modelo OLS con otra cosa y decidir si el ajuste agregado vale la complejidad adicional