Użytkownik "bartekltg" <b...@g...com> napisał w wiadomości grup
dyskusyjnych:jh0jk7$kni$...@n...news.atman.pl...
> A, być może komuś umknęła jedna kwestia.

Nie umknęła, tym właśnie zajmuje się EOV.

> Mamy pary 'punktów pomiarowych'.
>
> Regresja liniowa Y od X i regresja po zamianie
> zmiennych miejscami (X od Y) da w wyniku
> _różne_ proste (inaczej przechodzące obok
> punktów, inne 'rysunki').

Tzn. taki problem będzie z OLS i nie tylko.

Jak ładnie zdefiniować (elipsoidy etc.), to dobry algorytm EOV powinien
zawsze dawać tę samą linię prostą.

> Dowolna liniowa zamiana współrzędnych również
> (np okręcenie układu współrzędnych o 45stopni).

Nie wystarczy - np. niektóre przekształcenia afiniczne nie wystarczą. Np.
zmiana skali na osi x i y jednocześnie _jest_ transformacją liniową, a
niczego (?) nie zmieni.

Z drugiej strony, pomnożenie y-ków przez zero też jest transformacją
liniową... i chyba się zgodzimy, że POWINNA coś zmienić.

> BTW. Jeśli zmienna X jest równie mocno zaburzana jak Y,
> problem nie jest taki prosty (zwłaszcza gdy zaburzenie
> nie jest stałe). Ale najczęściej zwykłe metody wystarczą.

Najczęściej nie wystarczają, ale EOV jest trochę za trudne dla dzieciaków,
więc nikt się za to nie bierze jak nie musi. Tzn. jeżeli go nie zmusić.

Regresję liniową można policzyć bez komputera, komputerowo też trudno nie
jest. EOV jest trudne w tym sensie, ze w Reciapsach jest błędna
implementacja, więc nawet "miszcze" potrafią się o to rozbić. Pamiętam
artykuł z Measurments in Science & Eng., w którym twórcy algorytmu pojechali
na... liczeniu pochodnych bez wcześniejszego sprawdzenia czy one, te
pochodne, w ogóle istnieją (a nie istniały!) Pół roku później była errata.