. . . "En estad\u00EDstica, la regresi\u00F3n hacia la media es el fen\u00F3meno en el que si una variable es extrema en su primera medici\u00F3n, tender\u00E1 a estar m\u00E1s cerca de la media en su segunda medici\u00F3n y, parad\u00F3jicamente, si es extrema en su segunda medici\u00F3n, tender\u00E1 a haber estado m\u00E1s cerca de la media en su primera.\u200B\u200B\u200B Para evitar hacer inferencias equivocadas, la regresi\u00F3n hacia la media debe ser considerada en el dise\u00F1o de experimentos cient\u00EDficos y la interpretaci\u00F3n de los datos.\u200B"@es . "Em estat\u00EDstica, a regress\u00E3o \u00E0 m\u00E9dia \u00E9 o fen\u00F3meno que se apresenta quando uma vari\u00E1vel extrema aparece na sua primeira medi\u00E7\u00E3o, ela tender\u00E1 a ser mais pr\u00F3xima da m\u00E9dia em sua segunda medi\u00E7\u00E3o e, paradoxalmente, se \u00E9 extrema na sua segunda medi\u00E7\u00E3o, ela tender\u00E1 a ter sido mais pr\u00F3xima da m\u00E9dia em sua primeira. A regress\u00E3o \u00E0 m\u00E9dia define que em qualquer s\u00E9rie de eventos aleat\u00F3rios, h\u00E1 uma grande probabilidade de um acontecimento extraordin\u00E1rio ser seguido, em virtude puramente do acaso, por um acontecimento mais corriqueiro."@pt . "Regression mot medelv\u00E4rdet \u00E4r ett statistiskt fenomen som inneb\u00E4r att n\u00E4r man g\u00F6r upprepade f\u00F6rs\u00F6k p\u00E5 n\u00E5got som p\u00E5verkas av okontrollerbara, slumpm\u00E4ssiga variabler s\u00E5 kommer ett f\u00F6rs\u00F6k som ger resultat som avviker fr\u00E5n medelv\u00E4rdet ge resultat som ligger n\u00E4rmare medelv\u00E4rdet om man upprepar f\u00F6rs\u00F6ket. Begreppet f\u00F6rknippas historiskt med Francis Galton som i v\u00E4xtf\u00F6r\u00E4dlingsf\u00F6rs\u00F6k uppt\u00E4ckte att avkomman i genomsnitt hamnade n\u00E4rmare genomsnittet f\u00F6r populationen storleksm\u00E4ssigt \u00E4n f\u00F6r\u00E4ldragenerationen."@sv . "Em estat\u00EDstica, a regress\u00E3o \u00E0 m\u00E9dia \u00E9 o fen\u00F3meno que se apresenta quando uma vari\u00E1vel extrema aparece na sua primeira medi\u00E7\u00E3o, ela tender\u00E1 a ser mais pr\u00F3xima da m\u00E9dia em sua segunda medi\u00E7\u00E3o e, paradoxalmente, se \u00E9 extrema na sua segunda medi\u00E7\u00E3o, ela tender\u00E1 a ter sido mais pr\u00F3xima da m\u00E9dia em sua primeira. A regress\u00E3o \u00E0 m\u00E9dia define que em qualquer s\u00E9rie de eventos aleat\u00F3rios, h\u00E1 uma grande probabilidade de um acontecimento extraordin\u00E1rio ser seguido, em virtude puramente do acaso, por um acontecimento mais corriqueiro."@pt . . . "Regressie naar het gemiddelde is bij toevalsprocessen de terugkeer naar een evenwicht vanuit een extreme waarde. Als de waargenomen waarde van een toevalsvariabele sterk van het gemiddelde afwijkt, is er geen grotere kans dat de volgende waarneming zich dichter bij het gemiddelde zal bevinden, maar er is wel een grote kans dat het gemiddelde van de waarnemingen naar het gemiddelde van de toevalsvariabele neigt. Het fenomeen van regressie naar het gemiddelde is een belangrijk element om toevallige of stochastische processen te onderscheiden van deterministische processen. De regressie of terugkeer is het gevolg van de kansverdeling van stochastisch processen waarin de kans op een extreme waarde minder groot is dan die van waarden in de buurt van het gemiddelde. Dit moet niet verward worden met de gokkersmisvatting dat de eerdere meting de kans van de volgende meting be\u00EFnvloedt. Het onderscheid tussen toeval en oorzakelijkheid of causaliteit is onder meer van belang bij . Bij voldoende herhaling van testen treedt bij stochastische processen de wet van de grote getallen op. De mate waarin dit optreedt is, geeft inzicht in de verhouding tussen toeval en . Francis Galton was de eerste die in Regression Towards Mediocrity in Hereditary Stature uit 1886 over zijn onderzoek naar overerving dit verschijnsel beschreef. Hij observeerde dat bij ouders met een sterk van het gemiddelde afwijkende lichaamslengte de kinderen een minder afwijkende lengte hadden. De kinderen van lange ouders waren weliswaar relatief lang, maar gemiddeld minder lang dan hun ouders. Bij korte ouders was een vergelijkbaar effect te vinden waarbij de lengte van de kinderen dichter bij het gemiddelde lag. Als dit een volledig stochastisch proces zou zijn, dan zou het effect bij lange en korte ouders in gelijke mate op moeten treden. Als er echter sprake is van sturing door omgevingsfactoren, dan zal het effect sterker optreden bij de ene groep dan bij de andere. Een bekend voorbeeld uit de psychologie van trainingssituaties is dat van Daniel Kahneman, waarin een instructeur van de Isra\u00EBlische luchtmacht inging tegen zijn stelling dat belonen van goede prestaties beter werkt dan het afstraffen van ondermaats optreden. De ervaring van de instructeur was dat piloten die na een goede vlucht een compliment kregen, daarna slechter presteerden, terwijl piloten die gestraft werden na een slechte prestatie daarna beter gingen vliegen. Kahneman werd toen duidelijk dat de instructeurs slachtoffer waren van de regressievalkuil en geen rekening hadden gehouden met het fenomeen van regressie naar het gemiddelde. In de medische wereld moet in het onderzoek naar het effect van een behandeling ook rekening gehouden worden met regressie naar het gemiddelde. Verbetering na behandeling kan optreden door de behandeling, maar kan ook door het eigen afweersysteem in gang zijn gezet, of er kan sprake zijn van toeval. Dan zal, van een behandeling die in eerste instantie is opgevallen door zijn effectiviteit, op de langere termijn blijken dat het effect kleiner is dan dat waarmee hij is opgevallen. De financi\u00EBle wereld gebruikt de term mean reversion, die inhoudt dat de koers van een effect op korte termijn kan zijn, maar op langere termijn stabieler wordt."@nl . "\u0420\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u044F \u043A \u0441\u0440\u0435\u0434\u043D\u0435\u043C\u0443"@ru . . . . . . . . . . . "Regresja do \u015Bredniej"@pl . "\u0420\u0435\u0433\u0440\u0435\u0441\u0456\u044F \u0434\u043E \u0441\u0435\u0440\u0435\u0434\u043D\u044C\u043E\u0433\u043E \u2014 \u0446\u0435 \u0441\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u0447\u043D\u0435 \u043F\u043E\u043D\u044F\u0442\u0442\u044F \u043D\u0430 \u043F\u043E\u0437\u043D\u0430\u0447\u0435\u043D\u043D\u044F \u044F\u0432\u0438\u0449\u0430, \u043A\u043E\u043B\u0438 \u043F\u0456\u0441\u043B\u044F \u043E\u0442\u0440\u0438\u043C\u0430\u043D\u043D\u044F \u0435\u043A\u0441\u0442\u0440\u0435\u043C\u0430\u043B\u044C\u043D\u0438\u0445 \u0437\u043D\u0430\u0447\u0435\u043D\u044C \u0443 \u043F\u0435\u0440\u0448\u043E\u043C\u0443 \u0432\u0438\u043C\u0456\u0440\u044E\u0432\u0430\u043D\u043D\u0456, \u0443 \u0434\u0440\u0443\u0433\u043E\u043C\u0443 \u0447\u0435\u0440\u0435\u0437 \u0432\u0438\u043F\u0430\u0434\u043A\u043E\u0432\u0456\u0441\u0442\u044C \u0437\u043D\u0430\u0447\u0435\u043D\u043D\u044F \u0432\u0436\u0435 \u043B\u0435\u0436\u0430\u0442\u044C \u0431\u043B\u0438\u0436\u0447\u0435 \u0434\u043E \u0441\u0435\u0440\u0435\u0434\u043D\u0456\u0445. \u041E\u0441\u043A\u0456\u043B\u044C\u043A\u0438 \u0441\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u0447\u043D\u0456 \u0437\u0430\u043A\u043E\u043D\u043E\u043C\u0456\u0440\u043D\u043E\u0441\u0442\u0456, \u044F\u043A\u0456 \u043B\u0435\u0436\u0430\u0442\u044C \u0432 \u043E\u0441\u043D\u043E\u0432\u0456 \u0446\u044C\u043E\u0433\u043E \u0435\u0444\u0435\u043A\u0442\u0443, \u043D\u0435\u043C\u043E\u0436\u043B\u0438\u0432\u043E \u0437\u0440\u043E\u0437\u0443\u043C\u0456\u0442\u0438 \u0456\u043D\u0442\u0443\u0457\u0442\u0438\u0432\u043D\u043E, \u0432\u0456\u043D \u043F\u0440\u0438\u0437\u0432\u043E\u0434\u0438\u0442\u044C \u0434\u043E \u0443\u043F\u0435\u0440\u0435\u0434\u0436\u0435\u043D\u043E\u0433\u043E \u0441\u043F\u0440\u0438\u0439\u043D\u044F\u0442\u0442\u044F. \u0417 \u043E\u0434\u043D\u043E\u0433\u043E \u0431\u043E\u043A\u0443, \u043D\u0430 \u043C\u0456\u0441\u0446\u0456 \u0432\u0438\u043F\u0430\u0434\u043A\u043E\u0432\u043E\u0441\u0442\u0456 \u0432\u0431\u0430\u0447\u0430\u0454\u0442\u044C\u0441\u044F \u043F\u0440\u0438\u0447\u0438\u043D\u043D\u043E-\u043D\u0430\u0441\u043B\u0456\u0434\u043A\u043E\u0432\u0430 \u0437\u0430\u043A\u043E\u043D\u043E\u043C\u0456\u0440\u043D\u0456\u0441\u0442\u044C, \u0430 \u0437 \u0456\u043D\u0448\u043E\u0433\u043E \u2014 \u043D\u0435 \u0432\u0440\u0430\u0445\u043E\u0432\u0443\u0454\u0442\u044C\u0441\u044F \u0435\u0444\u0435\u043A\u0442 \u0440\u0435\u0433\u0440\u0435\u0441\u0456\u0457 \u0434\u043E \u0441\u0435\u0440\u0435\u0434\u043D\u044C\u043E\u0433\u043E \u0456 \u043F\u0435\u0440\u0435\u0434\u0431\u0430\u0447\u0435\u043D\u043D\u044F \u043F\u0440\u043E \u0442\u0435, \u044F\u043A\u0438\u043C \u0431\u0443\u0434\u0435 \u0434\u0440\u0443\u0433\u0435 \u0437\u043D\u0430\u0447\u0435\u043D\u043D\u044F, \u0440\u043E\u0431\u043B\u044F\u0442\u044C \u043D\u0430 \u043E\u0441\u043D\u043E\u0432\u0456 \u043F\u0435\u0440\u0448\u043E\u0433\u043E. \u041D\u0430\u043F\u0440\u0438\u043A\u043B\u0430\u0434, \u0440\u0435\u0447\u0435\u043D\u043D\u044F \u00AB\u0421\u0442\u0430\u043D \u0434\u0456\u0442\u0435\u0439 \u0437 \u0434\u0435\u043F\u0440\u0435\u0441\u0456\u0454\u044E, \u044F\u043A\u0456 \u043B\u0456\u043A\u0443\u044E\u0442\u044C\u0441\u044F \u0435\u043D\u0435\u0440\u0433\u0435\u0442\u0438\u0447\u043D\u0438\u043C\u0438 \u043D\u0430\u043F\u043E\u044F\u043C\u0438, \u0437\u043D\u0430\u0447\u043D\u043E \u043F\u043E\u043A\u0440\u0430\u0449\u0443\u0454\u0442\u044C\u0441\u044F \u043F\u0440\u043E\u0442\u044F\u0433\u043E\u043C \u0442\u0440\u044C\u043E\u0445 \u043C\u0456\u0441\u044F\u0446\u0456\u0432\u00BB \u043F\u0440\u0430\u0432\u0434\u0438\u0432\u0435, \u0430\u043B\u0435 \u0447\u0435\u0440\u0435\u0437 \u0440\u0435\u0433\u0440\u0435\u0441\u0456\u044E \u0434\u043E \u0441\u0435\u0440\u0435\u0434\u043D\u044C\u043E\u0433\u043E, \u0430 \u043D\u0435 \u0447\u0435\u0440\u0435\u0437 \u0432\u043F\u043B\u0438\u0432 \u043D\u0430\u043F\u043E\u0457\u0432. \u0423 \u0441\u0432\u0456\u0442\u0456 \u0441\u043F\u043E\u0440\u0442\u0443 \u0421\u0428\u0410 \u0432\u0456\u0434\u043E\u043C\u0456 \u0442\u0430\u043A \u0437\u0432\u0430\u043D\u0456 \u041F\u0440\u043E\u043A\u043B\u044F\u0442\u0442\u044F \u00ABSport illustrated\u00BB \u0442\u0430 \u00AB\u0411\u043E\u0436\u0435\u0432\u0456\u043B\u044C\u043D\u0435 \u043F\u0440\u043E\u043A\u043B\u044F\u0442\u0442\u044F\u00BB: \u0441\u043F\u043E\u0440\u0442\u0441\u043C\u0435\u043D\u0438 \u0434\u0435\u043C\u043E\u043D\u0441\u0442\u0440\u0443\u044E\u0442\u044C \u0433\u0456\u0440\u0448\u0456 \u043F\u043E\u043A\u0430\u0437\u043D\u0438\u043A\u0438 \u043F\u0456\u0441\u043B\u044F \u0442\u043E\u0433\u043E, \u044F\u043A \u0457\u0445 \u0444\u043E\u0442\u043E \u0440\u043E\u0437\u043C\u0456\u0441\u0442\u0438\u043B\u0438 \u043D\u0430 \u043E\u0431\u043A\u043B\u0430\u0434\u0438\u043D\u0446\u0456 \u0446\u044C\u043E\u0433\u043E \u0436\u0443\u0440\u043D\u0430\u043B\u0443/\u0433\u0440\u0438. \u041F\u0440\u0438\u0447\u0438\u043D\u0430, \u0447\u0435\u0440\u0435\u0437 \u044F\u043A\u0443 \u0432\u043E\u043D\u0438 \u043F\u0440\u0438\u043A\u0440\u0430\u0448\u0430\u044E\u0442\u044C \u0442\u0438\u0442\u0443\u043B\u044C\u043D\u0438\u0439 \u0430\u0440\u043A\u0443\u0448, \u0447\u0430\u0441\u0442\u043E \u043F\u043E\u043B\u044F\u0433\u0430\u0454 \u0443 \u0457\u0445\u043D\u0456\u0445 \u0432\u0438\u0434\u0430\u0442\u043D\u0438\u0445 \u043F\u043E\u043A\u0430\u0437\u043D\u0438\u043A\u0430\u0445. \u0406 \u0432\u0436\u0435 \u043F\u0456\u0441\u043B\u044F \u0446\u044C\u043E\u0433\u043E \u0437\u0430\u0437\u0432\u0438\u0447\u0430\u0439 \u0441\u043B\u0456\u0434\u0443\u044E\u0442\u044C \u043F\u043E\u0441\u0435\u0440\u0435\u0434\u043D\u0456 \u0434\u043E\u0441\u044F\u0433\u043D\u0435\u043D\u043D\u044F."@uk . . "Regresja do \u015Bredniej \u2013 zjawisko z zakresu statystyki polegaj\u0105ce na tym, \u017Ce w czasie dokonywania dw\u00F3ch pomiar\u00F3w w tej samej grupie os\u00F3b (czy obserwacji) w pewnym odst\u0119pie czasu, osoby (czy obserwacje) maj\u0105ce skrajne wyniki w pierwszym pomiarze wykazuj\u0105 tendencj\u0119 do tego, by w drugim pomiarze osi\u0105gn\u0105\u0107 wyniki bli\u017Csze \u015Bredniej ni\u017C osi\u0105gn\u0119\u0142y w pierwszym pomiarze. Dotyczy to zar\u00F3wno wynik\u00F3w (w pierwszym pomiarze) skrajnych powy\u017Cej, jak i poni\u017Cej \u015Bredniej. Przyk\u0142ad zastosowania: grupa os\u00F3b wype\u0142ni\u0142a kwestionariusz badaj\u0105cy poziom odczuwanego stresu. Osoby, kt\u00F3re uzyska\u0142y skrajne wyniki (a wi\u0119c znacznie odbiegaj\u0105ce od warto\u015Bci przeci\u0119tnych, czyli osoby najbardziej zestresowane) w czasie powt\u00F3rnego pomiaru b\u0119d\u0105 generalnie (jako grupa) mia\u0142y wyniki bardziej zbli\u017Cone do \u015Bredniej. Wynika to z tego, \u017Ce jest ma\u0142o prawdopodobne, aby w czasie powt\u00F3rnego pomiaru te same osoby do\u015Bwiadcza\u0142y podobnych, skrajnie stresuj\u0105cych do\u015Bwiadcze\u0144, kt\u00F3re wp\u0142yn\u0119\u0142y na ich wynik. I odwrotnie, osoby, kt\u00F3re w czasie pierwszego pomiaru wykazywa\u0142y skrajnie niski poziom odczuwanego stresu, w czasie powt\u00F3rnego pomiaru najprawdopodobniej uzyskaj\u0105 wyniki wy\u017Csze, bardziej zbli\u017Cone do \u015Bredniej ca\u0142ej grupy. Wynika to z tego, \u017Ce jest ma\u0142o prawdopodobne, aby po raz drugi te same osoby by\u0142y nieprzeci\u0119tnie spokojne i w dobrym nastroju, jak mia\u0142o to miejsce wcze\u015Bniej. Po raz pierwszy zjawisko to zosta\u0142o opisane przez Francisa Galtona, kt\u00F3ry najpierw nazwa\u0142 je \u201Eodwr\u00F3ceniem\u201D, za\u015B p\u00F3\u017Aniej \u201Eregresj\u0105\u201D. Obecnie jest ono nazywane \u201Eregresj\u0105 do \u015Bredniej\u201D, aby odr\u00F3\u017Cni\u0107 je od procedury statystycznej zwanej analiz\u0105 regresji. Zjawisko regresji do \u015Bredniej musi by\u0107 brane przez badaczy pod uwag\u0119 zawsze wtedy, gdy badane s\u0105 zmiany wynik\u00F3w (czy obserwacji) skrajnych."@pl . . . "\u5E73\u5747\u3078\u306E\u56DE\u5E30"@ja . . . "\u5E73\u5747\u3078\u306E\u56DE\u5E30\uFF08\u3078\u3044\u304D\u3093\u3078\u306E\u304B\u3044\u304D\u3001\u307E\u305F\u306F\u5E73\u5747\u56DE\u5E30\u3001\u56DE\u5E30\u52B9\u679C\uFF09\u3068\u306F\u3001\u3042\u308B1\u3064\u306E\u8A66\u9A13\u7D50\u679C\u306B\u3064\u3044\u3066\u504F\u3063\u305F\u6210\u7E3E\uFF08\u7279\u5225\u306B\u826F\u304B\u3063\u305F\u3082\u3057\u304F\u306F\u60AA\u304B\u3063\u305F\uFF09\u306E\u96C6\u56E3\u3092\u5BFE\u8C61\u3068\u3057\u30662\u3064\u76EE\u306E\u8A66\u9A13\uFF08\u6642\u9593\u7684\u306B\u306F\u9006\u3067\u3082\u3088\u3044\uFF09\u306E\u7D50\u679C\u3092\u898B\u308B\u3068\u3001\u305D\u306E\u96C6\u56E3\u306E\u5E73\u5747\u6210\u7E3E\u306F1\u3064\u76EE\u3088\u308A2\u3064\u76EE\u306E\u307B\u3046\u304C\u5E73\u5747\u5024\u306B\u8FD1\u3065\u304F\u3068\u3044\u3046\u7D71\u8A08\u5B66\u7684\u73FE\u8C61\u3092\u3044\u3046\u3002 \u56DE\u5E30\u5206\u6790\u306E\u8A9E\u6E90\u3068\u306A\u3063\u305F\u304C\u3001\u3053\u308C\u3068\u306F\u7570\u306A\u308B\u6982\u5FF5\u3067\u3042\u308B\u3002"@ja . . . . . . . . . . "Regression zur Mitte ist ein Begriff der Statistik; er bezeichnet das Ph\u00E4nomen, dass nach einem extrem ausgefallenen Messwert die nachfolgende Messung wieder n\u00E4her am Durchschnitt liegt, falls der Zufall einen Einfluss auf die Messgr\u00F6\u00DFe hat. Dies gilt immer, wenn die beiden Messungen korrelieren, aber nicht zu 100 %."@de . . . . "Regression mot medelv\u00E4rdet \u00E4r ett statistiskt fenomen som inneb\u00E4r att n\u00E4r man g\u00F6r upprepade f\u00F6rs\u00F6k p\u00E5 n\u00E5got som p\u00E5verkas av okontrollerbara, slumpm\u00E4ssiga variabler s\u00E5 kommer ett f\u00F6rs\u00F6k som ger resultat som avviker fr\u00E5n medelv\u00E4rdet ge resultat som ligger n\u00E4rmare medelv\u00E4rdet om man upprepar f\u00F6rs\u00F6ket. Begreppet f\u00F6rknippas historiskt med Francis Galton som i v\u00E4xtf\u00F6r\u00E4dlingsf\u00F6rs\u00F6k uppt\u00E4ckte att avkomman i genomsnitt hamnade n\u00E4rmare genomsnittet f\u00F6r populationen storleksm\u00E4ssigt \u00E4n f\u00F6r\u00E4ldragenerationen."@sv . . . . . "186028"^^ . . . "En statistique, la r\u00E9gression vers la moyenne d\u00E9crit le ph\u00E9nom\u00E8ne suivant : si une variable est extr\u00EAme \u00E0 sa premi\u00E8re mesure, elle va g\u00E9n\u00E9ralement se rapprocher de la moyenne \u00E0 sa seconde mesure. Si elle est extr\u00EAme \u00E0 sa seconde mesure elle va tendre \u00E0 \u00EAtre proche de la moyenne \u00E0 sa premi\u00E8re mesure. Afin d'\u00E9viter des inf\u00E9rences erron\u00E9es, la r\u00E9gression vers la moyenne doit \u00EAtre consid\u00E9r\u00E9e \u00E0 la base de la conception des exp\u00E9riences scientifiques et prise en compte lors de l'interpr\u00E9tation des donn\u00E9es."@fr . . "R\u00E9gression vers la moyenne"@fr . . "Regress\u00E3o \u00E0 m\u00E9dia"@pt . "Regresja do \u015Bredniej \u2013 zjawisko z zakresu statystyki polegaj\u0105ce na tym, \u017Ce w czasie dokonywania dw\u00F3ch pomiar\u00F3w w tej samej grupie os\u00F3b (czy obserwacji) w pewnym odst\u0119pie czasu, osoby (czy obserwacje) maj\u0105ce skrajne wyniki w pierwszym pomiarze wykazuj\u0105 tendencj\u0119 do tego, by w drugim pomiarze osi\u0105gn\u0105\u0107 wyniki bli\u017Csze \u015Bredniej ni\u017C osi\u0105gn\u0119\u0142y w pierwszym pomiarze. Dotyczy to zar\u00F3wno wynik\u00F3w (w pierwszym pomiarze) skrajnych powy\u017Cej, jak i poni\u017Cej \u015Bredniej. Zjawisko regresji do \u015Bredniej musi by\u0107 brane przez badaczy pod uwag\u0119 zawsze wtedy, gdy badane s\u0105 zmiany wynik\u00F3w (czy obserwacji) skrajnych."@pl . . . . . . . . . . . . "Regressie naar het gemiddelde"@nl . . . . . . "1123698904"^^ . . . . . . . . . "Regression mot medelv\u00E4rdet"@sv . . . . . . . "\u0420\u0435\u0433\u0440\u0435\u0441\u0456\u044F \u0434\u043E \u0441\u0435\u0440\u0435\u0434\u043D\u044C\u043E\u0433\u043E"@uk . . . "En estad\u00EDstica, la regresi\u00F3n hacia la media es el fen\u00F3meno en el que si una variable es extrema en su primera medici\u00F3n, tender\u00E1 a estar m\u00E1s cerca de la media en su segunda medici\u00F3n y, parad\u00F3jicamente, si es extrema en su segunda medici\u00F3n, tender\u00E1 a haber estado m\u00E1s cerca de la media en su primera.\u200B\u200B\u200B Para evitar hacer inferencias equivocadas, la regresi\u00F3n hacia la media debe ser considerada en el dise\u00F1o de experimentos cient\u00EDficos y la interpretaci\u00F3n de los datos.\u200B Las condiciones bajo las que se produce la regresi\u00F3n hacia la media dependen de la forma en que el t\u00E9rmino se defina matem\u00E1ticamente. Sir Francis Galton observ\u00F3 por primera vez el fen\u00F3meno en el contexto de una regresi\u00F3n lineal simple de puntos de datos. Sin embargo, un enfoque menos restrictivo es posible. La regresi\u00F3n hacia la media se puede definir para cualquier distribuci\u00F3n bivariante con id\u00E9nticas distribuciones marginales. Existen dos tipo de definiciones.\u200B Una definici\u00F3n concuerda estrechamente con el uso com\u00FAn del t\u00E9rmino \"regresi\u00F3n hacia la media\". No todas esas distribuciones bivariadas muestran la regresi\u00F3n hacia la media en esta definici\u00F3n. Sin embargo, todas estas distribuciones de dos variables muestran regresi\u00F3n hacia la media bajo la otra definici\u00F3n. Hist\u00F3ricamente, lo que hoy se llama regresi\u00F3n hacia la media tambi\u00E9n se ha llamado la reversi\u00F3n a la media y la reversi\u00F3n a la mediocridad.En las finanzas, el t\u00E9rmino reversi\u00F3n a la media tiene un significado diferente. Jeremy Siegel lo utiliza para describir una series de tiempo financiera en la que \"los retornos pueden ser muy inestables en el corto plazo, pero muy estables en el largo plazo.\" M\u00E1s cuantitativamente, es aquella en la que la desviaci\u00F3n est\u00E1ndar de los rendimientos anuales promedio disminuye m\u00E1s r\u00E1pidamente que la inversa del periodo de mantenimiento, lo que implica que el proceso no es un paseo aleatorio, sino que los per\u00EDodos de rendimientos m\u00E1s bajos se siguen sistem\u00E1ticamente por per\u00EDodos de mayor rentabilidad.\u200B"@es . . . . . "\uD3C9\uADE0\uC73C\uB85C\uC758 \uD68C\uADC0(\uC601\uC5B4: regression toward the mean)\uB294 \uC608\uC5B8\uB41C \uBCC0\uC778\uC5D0\uC11C \uADF9\uB2E8\uC801\uC778 \uAC12\uC744 \uAC00\uC838\uC57C \uB420 \uC0AC\uB78C\uC774 \uB35C \uADF9\uB2E8\uC801\uC778 \uC608\uC5B8\uB41C \uD2B9\uC131\uC744 \uC9C0\uB2C8\uB294 \uACBD\uD5A5\uC131\uC744 \uB9D0\uD55C\uB2E4. \uD3C9\uADE0\uC744 \uD5A5\uD55C \uD68C\uADC0, \uD3C9\uADE0\uD68C\uADC0, \uD68C\uADC0\uD6A8\uACFC\uB77C\uACE0\uB3C4 \uD55C\uB2E4. \uC77C\uBC18\uC801\uC73C\uB85C \uB450 \uBCC0\uC218\uAC04 \uC0C1\uAD00\uC774 \uC544\uC8FC \uD06C\uC9C0 \uC54A\uC744 \uACBD\uC6B0, \uD55C \uBCC0\uC218\uC5D0\uC11C \uADF9\uB2E8\uCE58\uB97C \uBCF4\uC778 \uC0AC\uB840\uAC00 \uB2E4\uB978 \uBCC0\uC218\uC5D0\uC11C\uB294 \uB35C \uADF9\uB2E8\uC801\uC778, \uC989 \uD3C9\uADE0\uC5D0 \uAC00\uAE4C\uC6B4 \uAC12\uC744 \uBCF4\uC774\uB294 \uD1B5\uACC4\uC801 \uC131\uC9C8\uC774 \uC788\uB2E4. \uD68C\uADC0\uBD84\uC11D\uC774 \uC5B4\uC6D0\uC774 \uB41C \uAC83\uC774\uC9C0\uB9CC, \uD68C\uADC0\uBD84\uC11D\uC740 \uC774\uACE0 \uD3C9\uADE0\uD68C\uADC0\uB294 \uC744 \uC774\uB974\uB294 \uAC83\uC73C\uB85C \uC758\uBBF8\uB294 \uAC19\uC9C0 \uC54A\uB2E4."@ko . . . . "En statistique, la r\u00E9gression vers la moyenne d\u00E9crit le ph\u00E9nom\u00E8ne suivant : si une variable est extr\u00EAme \u00E0 sa premi\u00E8re mesure, elle va g\u00E9n\u00E9ralement se rapprocher de la moyenne \u00E0 sa seconde mesure. Si elle est extr\u00EAme \u00E0 sa seconde mesure elle va tendre \u00E0 \u00EAtre proche de la moyenne \u00E0 sa premi\u00E8re mesure. Afin d'\u00E9viter des inf\u00E9rences erron\u00E9es, la r\u00E9gression vers la moyenne doit \u00EAtre consid\u00E9r\u00E9e \u00E0 la base de la conception des exp\u00E9riences scientifiques et prise en compte lors de l'interpr\u00E9tation des donn\u00E9es."@fr . . "\u5E73\u5747\u3078\u306E\u56DE\u5E30\uFF08\u3078\u3044\u304D\u3093\u3078\u306E\u304B\u3044\u304D\u3001\u307E\u305F\u306F\u5E73\u5747\u56DE\u5E30\u3001\u56DE\u5E30\u52B9\u679C\uFF09\u3068\u306F\u3001\u3042\u308B1\u3064\u306E\u8A66\u9A13\u7D50\u679C\u306B\u3064\u3044\u3066\u504F\u3063\u305F\u6210\u7E3E\uFF08\u7279\u5225\u306B\u826F\u304B\u3063\u305F\u3082\u3057\u304F\u306F\u60AA\u304B\u3063\u305F\uFF09\u306E\u96C6\u56E3\u3092\u5BFE\u8C61\u3068\u3057\u30662\u3064\u76EE\u306E\u8A66\u9A13\uFF08\u6642\u9593\u7684\u306B\u306F\u9006\u3067\u3082\u3088\u3044\uFF09\u306E\u7D50\u679C\u3092\u898B\u308B\u3068\u3001\u305D\u306E\u96C6\u56E3\u306E\u5E73\u5747\u6210\u7E3E\u306F1\u3064\u76EE\u3088\u308A2\u3064\u76EE\u306E\u307B\u3046\u304C\u5E73\u5747\u5024\u306B\u8FD1\u3065\u304F\u3068\u3044\u3046\u7D71\u8A08\u5B66\u7684\u73FE\u8C61\u3092\u3044\u3046\u3002 \u56DE\u5E30\u5206\u6790\u306E\u8A9E\u6E90\u3068\u306A\u3063\u305F\u304C\u3001\u3053\u308C\u3068\u306F\u7570\u306A\u308B\u6982\u5FF5\u3067\u3042\u308B\u3002"@ja . . . . . "In statistics, regression toward the mean (also called reversion to the mean, and reversion to mediocrity) is the fact that if one sample of a random variable is extreme, the next sampling of the same random variable is likely to be closer to its mean. Furthermore, when many random variables are sampled and the most extreme results are intentionally picked out, it refers to the fact that (in many cases) a second sampling of these picked-out variables will result in \"less extreme\" results, closer to the initial mean of all of the variables. Mathematically, the strength of this \"regression\" effect is dependent on whether or not all of the random variables are drawn from the same distribution, or if there are genuine differences in the underlying distributions for each random variable. In the first case, the \"regression\" effect is statistically likely to occur, but in the second case, it may occur less strongly or not at all. Regression toward the mean is thus a useful concept to consider when designing any scientific experiment, data analysis, or test, which intentionally selects the \"most extreme\" events - it indicates that follow-up checks may be useful in order to avoid jumping to false conclusions about these events; they may be \"genuine\" extreme events, a completely meaningless selection due to statistical noise, or a mix of the two cases."@en . "Regression zur Mitte ist ein Begriff der Statistik; er bezeichnet das Ph\u00E4nomen, dass nach einem extrem ausgefallenen Messwert die nachfolgende Messung wieder n\u00E4her am Durchschnitt liegt, falls der Zufall einen Einfluss auf die Messgr\u00F6\u00DFe hat. Dies gilt immer, wenn die beiden Messungen korrelieren, aber nicht zu 100 %. Da dieser Effekt intuitiv nicht zu verstehen ist, f\u00FChrt er zu verschiedenen Denkfehlern. Zum einen werden oft illusorische Kausalzusammenh\u00E4nge anstelle der zuf\u00E4lligen Regression gesehen, zum anderen wird bei Prognosen der d\u00E4mpfende Effekt der Regression nicht beachtet, sondern der erste Messwert einfach extrapoliert. Der Satz \u201EDer Zustand depressiver Kinder, die mit Energiedrinks therapiert werden, verbessert sich signifikant \u00FCber einen Zeitraum von drei Monaten.\u201C ist wahr, aber wegen der Regression zur Mitte, nicht aufgrund der Wirkung der Getr\u00E4nke. In der Sportwelt der USA kennt man den \u201EFluch der Sports Illustrated\u201C und den \u201EMadden-Fluch\u201C: Ein Sportler zeigt verschlechterte Leistungen, nachdem er auf dem Titel dieses Magazins/des Spiels abgebildet wurde. Der Grund, warum sie das Titelblatt zieren, sind oft herausragende Leistungen, denen nat\u00FCrlicherweise eher mittelm\u00E4\u00DFige Leistungen folgen."@de . . . "\uD3C9\uADE0\uC73C\uB85C\uC758 \uD68C\uADC0"@ko . . . . . . "In statistics, regression toward the mean (also called reversion to the mean, and reversion to mediocrity) is the fact that if one sample of a random variable is extreme, the next sampling of the same random variable is likely to be closer to its mean. Furthermore, when many random variables are sampled and the most extreme results are intentionally picked out, it refers to the fact that (in many cases) a second sampling of these picked-out variables will result in \"less extreme\" results, closer to the initial mean of all of the variables."@en . . . . . "Regressie naar het gemiddelde is bij toevalsprocessen de terugkeer naar een evenwicht vanuit een extreme waarde. Als de waargenomen waarde van een toevalsvariabele sterk van het gemiddelde afwijkt, is er geen grotere kans dat de volgende waarneming zich dichter bij het gemiddelde zal bevinden, maar er is wel een grote kans dat het gemiddelde van de waarnemingen naar het gemiddelde van de toevalsvariabele neigt. Het fenomeen van regressie naar het gemiddelde is een belangrijk element om toevallige of stochastische processen te onderscheiden van deterministische processen."@nl . . . . . . . . . . . . "\u0420\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u044F \u043A \u0441\u0440\u0435\u0434\u043D\u0435\u043C\u0443 (\u0430\u043D\u0433\u043B. regression towards the mean) \u2014 \u0440\u0430\u0437\u043D\u043E\u0432\u0438\u0434\u043D\u043E\u0441\u0442\u044C \u043F\u043E\u0432\u0435\u0434\u0435\u043D\u0447\u0435\u0441\u043A\u0438\u0445 \u043D\u0435\u0441\u0442\u0430\u043D\u0434\u0430\u0440\u0442\u043D\u044B\u0445 \u0443\u0431\u0435\u0436\u0434\u0435\u043D\u0438\u0439, \u0441\u043E\u0433\u043B\u0430\u0441\u043D\u043E \u043A\u043E\u0442\u043E\u0440\u043E\u0439 \u0438\u0437\u043C\u0435\u0440\u0435\u043D\u0438\u044F \u0441\u043B\u0443\u0447\u0430\u0439\u043D\u043E\u0439 \u0432\u0435\u043B\u0438\u0447\u0438\u043D\u044B, \u043D\u0430\u0445\u043E\u0434\u044F\u0449\u0438\u0435\u0441\u044F \u0434\u043E \u0438 \u043F\u043E\u0441\u043B\u0435 \u044D\u043A\u0441\u0442\u0440\u0435\u043C\u0443\u043C\u043E\u0432, \u043D\u0435\u0438\u0437\u043C\u0435\u043D\u043D\u043E \u0441\u0442\u0440\u0435\u043C\u044F\u0442\u0441\u044F \u043A \u0441\u0440\u0435\u0434\u043D\u0435\u043C\u0443 \u0437\u043D\u0430\u0447\u0435\u043D\u0438\u044E \u0432\u0441\u0435\u0439 \u0432\u044B\u0431\u043E\u0440\u043A\u0438. \u042F\u0432\u043B\u044F\u0435\u0442\u0441\u044F \u0441\u0435\u0440\u044C\u0435\u0437\u043D\u043E\u0439 \u043F\u043E\u043C\u0435\u0445\u043E\u0439 \u0434\u043B\u044F \u0441\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u043A\u0438: \u0437\u0430\u0433\u0440\u044F\u0437\u043D\u044F\u044F \u0432\u044B\u0431\u043E\u0440\u043A\u0443 \u043D\u0435\u0437\u0430\u0432\u0438\u0441\u0438\u043C\u044B\u0445 \u0441\u043B\u0443\u0447\u0430\u0439\u043D\u044B\u0445 \u0432\u0435\u043B\u0438\u0447\u0438\u043D, \u0441\u043C\u0435\u0449\u0430\u0435\u0442 \u0440\u0435\u0437\u0443\u043B\u044C\u0442\u0430\u0442\u044B \u043D\u0430\u0431\u043B\u044E\u0434\u0435\u043D\u0438\u0439 \u0438 \u043C\u043E\u0436\u0435\u0442 \u043F\u0440\u0438\u0432\u0435\u0441\u0442\u0438 \u043A \u043D\u0435\u0432\u0435\u0440\u043D\u044B\u043C \u043F\u0440\u043E\u0433\u043D\u043E\u0437\u0430\u043C."@ru . . . . . . "Regression zur Mitte"@de . . "40620"^^ . . "\u0420\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u044F \u043A \u0441\u0440\u0435\u0434\u043D\u0435\u043C\u0443 (\u0430\u043D\u0433\u043B. regression towards the mean) \u2014 \u0440\u0430\u0437\u043D\u043E\u0432\u0438\u0434\u043D\u043E\u0441\u0442\u044C \u043F\u043E\u0432\u0435\u0434\u0435\u043D\u0447\u0435\u0441\u043A\u0438\u0445 \u043D\u0435\u0441\u0442\u0430\u043D\u0434\u0430\u0440\u0442\u043D\u044B\u0445 \u0443\u0431\u0435\u0436\u0434\u0435\u043D\u0438\u0439, \u0441\u043E\u0433\u043B\u0430\u0441\u043D\u043E \u043A\u043E\u0442\u043E\u0440\u043E\u0439 \u0438\u0437\u043C\u0435\u0440\u0435\u043D\u0438\u044F \u0441\u043B\u0443\u0447\u0430\u0439\u043D\u043E\u0439 \u0432\u0435\u043B\u0438\u0447\u0438\u043D\u044B, \u043D\u0430\u0445\u043E\u0434\u044F\u0449\u0438\u0435\u0441\u044F \u0434\u043E \u0438 \u043F\u043E\u0441\u043B\u0435 \u044D\u043A\u0441\u0442\u0440\u0435\u043C\u0443\u043C\u043E\u0432, \u043D\u0435\u0438\u0437\u043C\u0435\u043D\u043D\u043E \u0441\u0442\u0440\u0435\u043C\u044F\u0442\u0441\u044F \u043A \u0441\u0440\u0435\u0434\u043D\u0435\u043C\u0443 \u0437\u043D\u0430\u0447\u0435\u043D\u0438\u044E \u0432\u0441\u0435\u0439 \u0432\u044B\u0431\u043E\u0440\u043A\u0438. \u042F\u0432\u043B\u044F\u0435\u0442\u0441\u044F \u0441\u0435\u0440\u044C\u0435\u0437\u043D\u043E\u0439 \u043F\u043E\u043C\u0435\u0445\u043E\u0439 \u0434\u043B\u044F \u0441\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u043A\u0438: \u0437\u0430\u0433\u0440\u044F\u0437\u043D\u044F\u044F \u0432\u044B\u0431\u043E\u0440\u043A\u0443 \u043D\u0435\u0437\u0430\u0432\u0438\u0441\u0438\u043C\u044B\u0445 \u0441\u043B\u0443\u0447\u0430\u0439\u043D\u044B\u0445 \u0432\u0435\u043B\u0438\u0447\u0438\u043D, \u0441\u043C\u0435\u0449\u0430\u0435\u0442 \u0440\u0435\u0437\u0443\u043B\u044C\u0442\u0430\u0442\u044B \u043D\u0430\u0431\u043B\u044E\u0434\u0435\u043D\u0438\u0439 \u0438 \u043C\u043E\u0436\u0435\u0442 \u043F\u0440\u0438\u0432\u0435\u0441\u0442\u0438 \u043A \u043D\u0435\u0432\u0435\u0440\u043D\u044B\u043C \u043F\u0440\u043E\u0433\u043D\u043E\u0437\u0430\u043C."@ru . . . . "Regression toward the mean"@en . . "\uD3C9\uADE0\uC73C\uB85C\uC758 \uD68C\uADC0(\uC601\uC5B4: regression toward the mean)\uB294 \uC608\uC5B8\uB41C \uBCC0\uC778\uC5D0\uC11C \uADF9\uB2E8\uC801\uC778 \uAC12\uC744 \uAC00\uC838\uC57C \uB420 \uC0AC\uB78C\uC774 \uB35C \uADF9\uB2E8\uC801\uC778 \uC608\uC5B8\uB41C \uD2B9\uC131\uC744 \uC9C0\uB2C8\uB294 \uACBD\uD5A5\uC131\uC744 \uB9D0\uD55C\uB2E4. \uD3C9\uADE0\uC744 \uD5A5\uD55C \uD68C\uADC0, \uD3C9\uADE0\uD68C\uADC0, \uD68C\uADC0\uD6A8\uACFC\uB77C\uACE0\uB3C4 \uD55C\uB2E4. \uC77C\uBC18\uC801\uC73C\uB85C \uB450 \uBCC0\uC218\uAC04 \uC0C1\uAD00\uC774 \uC544\uC8FC \uD06C\uC9C0 \uC54A\uC744 \uACBD\uC6B0, \uD55C \uBCC0\uC218\uC5D0\uC11C \uADF9\uB2E8\uCE58\uB97C \uBCF4\uC778 \uC0AC\uB840\uAC00 \uB2E4\uB978 \uBCC0\uC218\uC5D0\uC11C\uB294 \uB35C \uADF9\uB2E8\uC801\uC778, \uC989 \uD3C9\uADE0\uC5D0 \uAC00\uAE4C\uC6B4 \uAC12\uC744 \uBCF4\uC774\uB294 \uD1B5\uACC4\uC801 \uC131\uC9C8\uC774 \uC788\uB2E4. \uD68C\uADC0\uBD84\uC11D\uC774 \uC5B4\uC6D0\uC774 \uB41C \uAC83\uC774\uC9C0\uB9CC, \uD68C\uADC0\uBD84\uC11D\uC740 \uC774\uACE0 \uD3C9\uADE0\uD68C\uADC0\uB294 \uC744 \uC774\uB974\uB294 \uAC83\uC73C\uB85C \uC758\uBBF8\uB294 \uAC19\uC9C0 \uC54A\uB2E4."@ko . "Regresi\u00F3n a la media"@es . . . . . . . . . . "\u0420\u0435\u0433\u0440\u0435\u0441\u0456\u044F \u0434\u043E \u0441\u0435\u0440\u0435\u0434\u043D\u044C\u043E\u0433\u043E \u2014 \u0446\u0435 \u0441\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u0447\u043D\u0435 \u043F\u043E\u043D\u044F\u0442\u0442\u044F \u043D\u0430 \u043F\u043E\u0437\u043D\u0430\u0447\u0435\u043D\u043D\u044F \u044F\u0432\u0438\u0449\u0430, \u043A\u043E\u043B\u0438 \u043F\u0456\u0441\u043B\u044F \u043E\u0442\u0440\u0438\u043C\u0430\u043D\u043D\u044F \u0435\u043A\u0441\u0442\u0440\u0435\u043C\u0430\u043B\u044C\u043D\u0438\u0445 \u0437\u043D\u0430\u0447\u0435\u043D\u044C \u0443 \u043F\u0435\u0440\u0448\u043E\u043C\u0443 \u0432\u0438\u043C\u0456\u0440\u044E\u0432\u0430\u043D\u043D\u0456, \u0443 \u0434\u0440\u0443\u0433\u043E\u043C\u0443 \u0447\u0435\u0440\u0435\u0437 \u0432\u0438\u043F\u0430\u0434\u043A\u043E\u0432\u0456\u0441\u0442\u044C \u0437\u043D\u0430\u0447\u0435\u043D\u043D\u044F \u0432\u0436\u0435 \u043B\u0435\u0436\u0430\u0442\u044C \u0431\u043B\u0438\u0436\u0447\u0435 \u0434\u043E \u0441\u0435\u0440\u0435\u0434\u043D\u0456\u0445."@uk . .