question pour un statisticien

Bonjour,
Est-ce que les statisticiens se sont intéressés à ce phénomène ?

si on prend un échantillon et on remarque qu' un petit groupe de cet échantillon n'a pas d'expérience dans le métier et un grand groupe a de l'expérience.
Maintenant on trouve que le petit groupe qui n'a pas de l'expérience ne sait pas bien dépister une maladie. Cela peut avoir statistiquement de la valeur, ou c'est juste un jugement personnel sans réelle signification car peut être dû au hasard ?

on va donner un chiffre par exemple : petit groupe de l'échantillon = 11 personnes
Grand groupe de l'échantillon = 32 personnes
taille de l'échantillon globale = 43 personnes.

spontanément, je suis plus sure de parler des tendances qu'à le grand groupe que celles du petit groupe!

Salut,

C'est pas très clair tout ça...
C'est quoi la question en fait ?

Merci d’éclaircir votre demande

Salut, je ne suis pas non plus tout à fait sur de quoi tu parle, mais je vais essayer quand même.

Si tu souhaite savoir si la différence entre tes deux groupes est réelle ou du au hasard, il existe effectivement des test statistiques pour t'aider à y répondre. Plus l'échantillon est petit, plus il est difficile de mettre en évidence cette différence, il est probable que dans ton cas ton groupe soit un peu trop petit.


Pour l'autre aspect de ta question : Est-ce une raison pour ne pas prendre en compte leur avis ?
Les statisticiens se sont effectivement intéressés à cela, pour mieux le comprendre voici le fonctionnement de certain algo.

Un classifieur est un modèle (par exemple une régression logistique) qui en fonction des données fourni une classe, généralement positive ou négative (ex malade / pas malade).
Un bon classifieur est un modèle qui se trompe rarement.
Un mauvais classifieur est un modèle que se trompe aussi souvent que le hasard, il est aussi "fort" qu'un pile ou face.
Un classifieur faible est un modèle qui se trompe souvent, mais qui est tout de même meilleur que le hasard.

Naturellement, si l'on construit quelque modèles legerement différents, on choisira le plus fort.
Pourtant il existe des modèles dit ensembliste qui raisonne autrement (ex random forest)
Le principe est de créer une multitude de modèle chacun différents de manière aléatoire.
On obtient ainsi des centaines, voir des milliers de classifieurs faible.

Mais lorsque l'on interroge ensemble tous ces classifieurs (par un vote) Le résultat est meilleur qu'un seul classifieur fort. Et même d'autre qualités apparaissent : moins de sur-apprentissage, plus robuste, meilleur sur des données bruité ou manquante ...


Tout ça pour te dire que même si ton groupe donne un avis moins bon, il faut quand même l'écouter

Bonsoir,


Dans l'exemple que j'ai pris, on a deux catégories de gens.
Une population de 11 et une autre de 32.
EST-CE qu'on peut étudier les tendances de la population de 11 personnes, en donnant des pourcentages à leurs réponses et essayant d'analyser, OU pas la peine car un nombre total de 11 ne permet aucun raisonnement statistique fiable ? Les résultats obtenus ne sont-ils pas ininterpretables du fait qu'ils puissent être dûs au hasard ?

Alors compare leur réponses par rapport au hasard.
Fais un test de comparaison de proportion (test du khi deux) avec comme hypothèse :
H0 taux de réponse = 50%
H1 taux de réponse > 50%

Si l’écart est assez grand, un échantillon de 11 personne est suffisant. pour mettre en évidence cette différence.

cherche valeur predictive positive et valeur predictive negative sur google.