Re: C'est par le RCA qu'il fait si froid ?

Le 09/08/2023 à 10:18, pehache a écrit :

 Dans ce que j'ai écrit ci-dessus j'ai fait une différence assez claire entre "comprendre" et "évaluer". Si cette nuance t'échappe, ça laisse un sérieux doute sur la façon dont tu abordes les articles scientifiques.
 

Prenons un exemple (sur une publication célèbre) : aux USA, une commission sénatoriale a examiné les arguments respectifs d'un paléo-climatologue et d'un statisticien sur une suite de publications très controversées.
Les publications en question sont parfaitement compréhensibles, même sans un bagage très étendu en climatologie. L'analyse par des statisticiens de profession est très claire et compréhensible aussi et permet parfaitement de vérifier que l'évaluation menée par la commission est pertinente.
https://climateaudit.files.wordpress.com/2007/11/07142006_wegman_report.pdf
Exemple : Cette remarque sur l'utilisation de la méthode des composantes principales m'a l'air d'une objection particulièrement compréhensible et fondée.
Principal component analysis is a method often used for reducing multidimensional datasets to lower dimensions for analysis. In this context, dimensions refer to the number of distinct variables. The time series proxy data involved are transformed into their principal components, where the first principal component is intended to explain most of the variation present in the variables. Each subsequent principal component explains less and less of the variation. In the methodology of MBH98/99, the first principal component is used in the temperature reconstruction, and also has the highest explained variance.
This method is intended for dimension reduction. In most datasets, the first principal component should be the least smooth (because of the higher variance). However, in MBH98, MBH99, the proxy data are incorrectly centered, which inflates the variance of certain proxies and selectively chooses those decentered proxies as the temperature reconstruction.