| Page21 | Page 22 |
|---|---|
|
Conclusion
L'analyse multivariée est du domaine de la statistique inférentielle . Même lorsqu'il est possible d'avoir des estimations ponctuelles, l'incertitude incipiente est assez troublante quand plusieurs variables varient en même temps. Au cours d'une expérience, par exemple, il estsouvent nécessaire de comparer plusieurs variables. Une des façons d'aborder le problème est d'avoir des spécimens "contrôles".
Bien sûr, l'approximation gaussienne peut être essayée. Cependant, parce que l'expérimentateur se sert souvent d'un échantillon (ayant pour paramètre, dans ce cas, mu et s) où les observations sont plus restreintes que dans une population (avec pour paramètres mu et sigma) où les observations sont plus larges, l'approximation gaussienne n'est possible que lorsque le degré de liberté est grand au cours de l'expérience. D'autre part, il est possible de minimiser les risques d'erreur en prenant soin du "schème" expérimental - expérience
randomisée, approche doublement aveugle, utilisation de placebos, bonne
planification, stratification, pondération, utilisation d'expériences pilotes, etc..
Dans une distribution multivariée, il est aussi possible d'introduire un peu d'ordre dans le calcul inférentiel avec l'introduction de l'espérance mathématique:
E[x - E(x)]k =ƒ[x - E(x)]k Toutefois, les estimations sont les meilleures avec les espérances de faible ordre. Au jeu d'échecs, quoiqu'il soit souvent nécessaire de considérer plusieurs possibilités pour un adversaire à chaque déplacement, les considérations précédentes n'ont aucune signification dans le jeu et l'analyse multivariée est innapplicable. En effet, plusieurs possibilités ne veulent pas dire plusieurs variables. La statistique inférentielle est néammoins possible et peut s'avérer de plus en plus utile, tout comme |
quelques unes de ses méthodes bayésiennes; voilà pourquoi le cerveau
électronique peut-il jouer aux échecs!
|