Science4All - 2019-05-27
Une grosse partie des sciences s'appuie désormais fortement sur la réfutation par "preuve statistiquement significative". Cette approche est souvent aussi présentée comme étant la "bonne" façon de faire des sciences. Aujourd'hui,, on explique pourquoi ceci a révolutionné les sciences. Et pourquoi elle est toutefois imparfaite... Oui, car la vraisemblance des données n'est pas la crédence de la théorie #ProverbeBayésien #science #philosophie #statistique #test #bayes #bayésianisme Cette vidéo est l'épisode 9 de la série sur le bayésianisme #Bayes #science #Épistémologie : https://www.youtube.com/watch?v=jy9b1HSqtSk&list=PLtzmb84AoqRQkc4f38dueiPf8YUegsg8n&index=9 Facebook : https://www.facebook.com/Science4Allorg/ Twitter : https://twitter.com/le_science4all Tipeee : https://www.tipeee.com/science4all Mes goodies : https://shop.spreadshirt.fr/science4all Mes dates à venir : https://www.dropbox.com/s/t3abghdmh5964sx/Actu.txt?dl=0 La formule du savoir (mon livre) : https://laboutique.edpsciences.fr/produit/1035/9782759822614/La%20formule%20du%20savoir A Roadmap for the Value-Loading Problem https://arxiv.org/abs/1809.01036 Probablement? en audio : http://playlists.podmytube.com/UC0NCbj8CxzeCGIF6sODJ-7A/PLtzmb84AoqRQ0ikLb4yC4lKgjeDEIpE1i.xml Moi en podcast avec Mr Phi : Version YouTube : https://www.youtube.com/channel/UCNHFiyWgsnaSOsMtSoV_Q1A Version Audio : http://feeds.feedburner.com/Axiome Sous-titres sur les autres vidéos : http://www.youtube.com/timedtext_cs_panel?tab=2&c=UC0NCbj8CxzeCGIF6sODJ-7A
Apprenti-statisticien, je suis en plein milieu du sujet que vous traitez. J'ai trouvé la vidéo intéressante mais très théorique et assez difficile d'accès pour qqn qui ne sait pas ce qu'est la p-valeur. J'aurais aimé plus d'exemples : notamment des cas de faux positifs ou de théories fausses avec des p-valeurs très faibles.
Super vidéo comme d’hab. Mais lê, tu nous avais habitué à nous donner plus d’exemple concrets pour illustrer tes théories. Je veux bien un épisode de plus avec des exemples de p-value et des théories fausses avec des erreurs de raisonnement scientifique ...
c'est clair que des exemple ca aiderait a comprendre mieux de quoi on parle, parce que la je crois qu'on est un certain nombre completement perdu
Super vidéo comme toujours ! Par contre le terme de "crédence" me semble assez difficile à interpréter, on pourrait avoir un peu de détail sur cette opposition Crédence/Vraisemblance (je crois qu'il y a déjà eu un commentaire sur la question un peu plus bas). En tous cas merci pour cette nouvelle série sur Bayes et l'épistémologie, ça manquait vraiment dans le milieu de la vulgarisation :)
Salut merci beaucoup pour cette vidéo! Je suppose que tu as lu "How not to be Wrong", de Jordan Ellenberg. En tout cas, je le conseille fortement à tes abonnés intéressés par ce sujet. Il se trouve dans ce livre une série d'exemples croustillants sur les travers de la p-value, comme la fameuse étude démontrant que les albinos n'existent pas ou que les saumons morts placés dans un IRM reconnaissent les visages humains. En tout cas, ce sujet est à la fois inquiétant, hilarant, et hautement stimulant!
Je profite de ce commentaire pour te remercier infiniment pour toutes tes vidéos qui vont grandement me servir. Je passe le bac spé Maths, en candidat libre cette année de mes 28 ans, pour intégrer une fac de philo et me diriger vers l'épistémologie. Sans le travail de passionnés comme toi, l'accès au savoir serait une toute autre affaire. Tes engagements pour une science juste (et juste) sont très précieux pour notre société.
Bonjour tout le monde,
Merci beaucoup pour cette vidéo Lê ! J'ai entrepris des études de médecines et je pense faire typiquement parti de ces personnes qui interprètent très régulièrement des p-value sans en comprendre le sens😁. Même si je sens bien que je suis très loin d'avoir bien compris toutes les implications et que j'ai encore beaucoup de chose à apprendre cette vidéo a vraiment créée une rupture sur le manière que j'avais d'appréhender cette donnée. Vivement le suite 😉. (Par contre j’ai un concours dans 20 jours et maintenant je suis plus du tout sûr de comprendre pleinement la p-value^^)
Petite question pour ceux qui auraient compris plus loin que moi. J’essaye d’appliquer à ce que je croise quand je lis des études:
Les études que je lis comparent souvent deux traitements (T1 et T2) et leurs effets sont mesurés grâce à un jeu de données D1 pour T1 et D2 pour T2 en général avec cette forme :
Hypothèse H0 : les deux traitements sont aussi efficaces l’un que l’autre soit D1/D2=1
Hypothèse H1 : il y a une différence d’efficacité entre les deux traitements soit D1/D2 # 1
Seuil = 5 %
Donc si j’ai pas trop compris de travers :
*Si on mesure D1/D2 # 1 avec p=0,05 alors on peut dire que si H1 est vraie alors cette donnée a 5 % de chance de la réfuter. → Ceci serait un interprétation correcte de la p-value.
*Par contre j’avais aussi l’habitude de comprendre dans cette situation que la probabilité que H1 soit quand même fausse malgré ces données était de 5 %.→Ceci est une mauvaise interprétation de la p-value car cette dernière est définie pour H1 vraie et n’est donc pas informative pour les situations où H1 fausse.
Merci 😊.
Merci infiniment pour cette vidéo ! Elle m'a permis de comprendre la p-valeur plus facilement que d'autres explications. Bonne continuation
Ps : t'es vraiment génial mec haha !
Toujours cool tes vidéos! J'ai l'impression que tes vidéos précédentes m'ont bien aidé à comprendre la P-value.
Je suis en fin de L3 math appliquées et je ne savais pas que la notion de p-value était aussi importante en science .
Il faut ,car c'est sûrement important que je pige bien la différence entre Credence et vraissemblance.
Par crédence , tu entends, crédibilité ?
Pour ceux qui ont lu le livre, y'a comme un air de déjà vu ... x) sinon j'ai un questionnement vis-à-vis de la p-value : j'ai bien compris qu'il fallait une courbe de gauss pour la calculer mais peut-on construire la courbe avec n'importe quelle donnée ? C'est là que pige pas. Comment peut-on placer les résultats du LHC sur une courbe de gauss ? Quelles données ils utilisent (et/ou transforment) ? La chaîne "La statistique expliquée à mon chat" montre l'exemple avec des lancers de dés, ok c'est évident que l'on puisse tracer une courbe de gausse sans problème mais pour le reste ... merci pour ta ou vos réponses, si plusieurs personnes souhaitent y répondre.
excellente vidéo, c'est vrai qu'on nous explique pas bien toutes les subtilités de la p-valeur, on sait qu'on l'utilise abusivement pour "valider" des hypothèses mais en pratique on l'oublie
Merci pour cette vidéo. La p-value était une chose floue conceptuellement pour moi. Je pense avoir enfin bien saisi le concept. Et oui même en Centrale Paris je crois que mon prof de math/stat était pas tout à fait au point dessus (ou c'est juste moi, surement d'ailleurs, et c'était y'a 15 ans).
A noter qu'à la première lecture de la vidéo, au premier tiers, j'ai juste penser (à tord) que c'était juste la loi des grand nombre/loi normale, les distributions gaussiennes...etc...etc....on connais tous.
Puis je me suis dis que c'était pas possible que ce soit un truc aussi simple pour qu'un doctorant en math admette avoir eu du mal à saisir le concept. J'ai dû regarder 5 fois la vidéo et je pense avoir saisi le tuc.....en tout cas j'ai touché le concept et va falloir que je le laisse mûrir en moi (comme la relativité générale et la physique quantique.....au delà des équations c'est le concept qu'il est difficile à approcher).
Superbe vidéo, même si sa complexité ne la rend pas tout publique. Je trouve ça désolant de constaté que cette vidéo serait énormément utile dans le milieu pédagogique pour beaucoup mieux comprendre ce que l'on y suit. Je suis en étude d'éco/gestion et j'ai une matière Etudes des probabilités Statistiques mais je ne crois pas qu'on est jamais réellement définis la p-value ce qui fait que le cours reste "flou" et beaucoup plus difficile à suivre et comprendre. Avec ta vidéo en introduction je suis sûre que ça aurait été beaucoup plus simple.
Super l'explication de la p-value ! Faut la penser, la méditer et la reméditer , même pour les initiés, je pense. Et quelle proportion accordait à la vraisemblance des données par rapport à la crédence de la théorie ? Et quelle crédence a cette vraisemblance ? Faut-il, du coup, en accordait une ? Ha oui, mais comment réfuter en étant vraiment sur, alors ? La p-value,c' est mieux que l'absence de p-value, mais cela peut ne pas être totalement satisfaisant. Comment on fait alors ? Dur, dur, la migraine là...
meilleure vidéo que j'ai vue sur le sujet. je suis en école d'ingénieur et notre prof de stats (parti pour raisons personnelles) nous avait fait une présentation similaire. son travail de recherche est la relecture de thèses en maths appliquées. étant donné la barrière de langue (prof taiwanais parlant anglais), peu d'étudiants ont réussi à saisir l'importance d'ajouter d'autres valeurs statistiques pour pouvoir choisir si on fait confiance ou pas en la théorie.
Superbe vidéo
Il me semble qu au début tu pourrais également employer le terme conjecture
Par ailleurs sur un sujet dérivé il y a le livre "philosophie du renseignement" qui recommande d appliquer les théories de la réfutation pour identifier la désinformation mais sans l outilleur comme toi avec une approche statistique
Bravo encore👏
Bonjour ! Merci pour toute tes vidéos, excellentes et hyper intéressantes !
J'ai réfléchis longtemps à l’énigme des deux enfants et j'ai voulu faire une petite analyse "Fréquentiste" (de profane, je précise que je ne suis pas du tout mathématicien). J'ai donc fais un tableur pour illustrer les différentes façon de percevoir l’énigme avec un système de jet de dé avec pour résultat "0 = fille" ou "1 = garçon".
J'ai une question cependant. Le résultat de 33% attendu ne tombe bien entendu jamais pile sur cette valeur et j'aimerais calculer le seuil correspondant à une certaine p value (par exemple 1%) pour les fluctuation statistique de ce fameux "33%". J'ai en effet beaucoup de mal à comprendre comment se calcule concrètement la p value, et ce, malgré mes recherches sur internet. Je tombe le plus souvent sur des explications très compliquées et je ne comprend pas tout. J'ai cru comprendre que la fonction "loi normale" devrait pouvoir m'aider mais je n'arrives pas à comprendre comment l'utiliser. Merci d'avance à ceux qui accepteront de m'aider !
Voici le lien du tableur :
https://docs.google.com/spreadsheets/d/1SARJNvSnIY_2u1KQbkgza2VA7YrmVO3lU9UFNSfwDTI/edit?usp=sharing
La réponse m’intéresse fortement !
Tes vidéos sont vraiment d'une grande qualité et d'une grande profondeur.
Je suis dans le monde de la recherche et de la vulgarisation depuis plusieurs années, et jamais je n'ai vu quelqu'un qui avait aussi bien compris et l'incompréhensible.
Merci <3
encore une fois, c'est intéressant mais vraiment trop compliqué pour des non-matheux !
J'ai rien compris à part que c'était dur à comprendre, mais c'était super intéressant 😁
C'est un manière compliquée de dire que si tu as une hypothèse T, et une expérience qui peut rejeter cette hypothèse T, le fait que les données observées soient au dela du seuil de vraisemblance fixé par D démontre que ta théorie T a x% de chances d'être fausse. Par contre si tes données sont en-deça du seuil D, cela ne démontre en aucun cas que T est vraie, simplement que **les données observées sont compatible avec T et ne la rejettent pas**.
Une théorie scientifique selon Popper, c'est le fait qu'on puisse inventer une expérience dont les observations permettent de rejeter une hypothèse (et non pas de la démontrer, comme en mathématiques), et le test de Fisher est l'instrument statistique qui permet de conclure si les données observées rejettent T ou non.
Alors pourquoi est-ce que Le Monde a titré que le boson de Higgs est confirmé à 99,9999% ? Parce que les données sont compatibles avec la théorie de l'existence du boson. Mais ce qui est intéressant, c'est que cette hypothèse est une *prédiction*: les physiciens ont prédit l'existence du boson, et on construit une expérience qui a permis de détecter pour la première fois des événements particuliers compatibles avec cette existence. C'est une hypothèse beaucoup plus forte qu'enregistrer des observations et essayer de bâtir une théorie a posteriori qui explique ces observations. De la même manière, la théorie de la relativité a été considérée comme vraie après qu'Einstein ait fait la prédiction que le mouvement de Mercure suivait un certain motif que personne n'avait remarqué auparavant et que la théorie de Newton ne pouvait expliquer. Cette prédiction a été confirmée par les observations d'Eddington, ce qui a été la première confirmation de la relativité d'Einstein.
Bravo pour cette belle vidéo. Petite remarque si p à 0,05 vaut bien 5 %, p à 0,001 n’est pas 0,001 pourcent mais 1 pour mille 😉
Merci beaucoup pour cette vidéo très abordable sur un sujet si important !
Y-ai-il eu des études empiriques sur le sujet ? Par exemple, en inversant l'approche, en partant d'une T connue et acceptée. Si "crédence T", nous pourrions constater la p-value pour cette T : par exemple pour le Boson de Higges 99,9999%. Nous pourrions réaliser cette constatation pour plusieurs théories T, et toutes leurs "crédence", et rechercher leurs p-values si on les connaît. Normalement, on les connaît. Nous pourrions alors voir si les valeurs de ces p-values sont proches ou pas; réfléchir à l'idée d'en faire une moyenne; voir si en appliquant cette moyenne de p-value trouvée, on valide la crédence T. De telle façon à obtenir une sorte d'indice qui nous dirait qu'à chaque fois qu'on obtient une p-value égale ou très très proche de cette moyenne des p-values obtenue concernant les crédences de multiples T, nous pourrions donc en conclure la crédence de cette nouvelle théorie T. Peut-être pas pour éliminer nécessairement la recherche de la p-value en cours, mais pour donner un indicateur de p-value d'autant plus fort si le nombre de p-values concerne un grand nombre de crédence en des théories nT pour construire cette "p-value moyenne".
Bonjour Lê. Je suis l'un de vos abonnés et viens simplement vous saluer. Bravo et bonne continuation dans vos projets.
"La vraisemblance des données n'est pas la crédence de la théorie" ou ce n'est pas parce que les données semblent vraies qu'il faut apporter du crédit à la théorie car cette dernière peut-être fausse...
Très bonne vidéo, ai-je trouvé, cher Lê ! 8-) J'ai notamment apprécié que tu aies pris soin de souligner que, si la p-valeur est effectivement l'objet de bien des abus et confusions, ça n'en reste pas moins un outil très intéressant et dont l'invention a marqué un grand progrès scientifique…
Concernant le critère de réfutabilité de Popper que tu évoques, j'avais trouvé particulièrement intéressante la vidéo de Monsieur Phi sur le sujet (Grain de Philo #22) où il soulignait comme ce très pertinent critère avait, tout comme la notion de p-valeur, tendance à être interprété de façon caricaturale et in fine erronée… Peut-être pourrais-tu ajouter un lien vers cette vidéo ? (encore que, cela s'éloignerait peut-être un peu trop du sujet traité… :-S).
En tout cas, bravo pour cette vidéo très réussie sur un sujet particulièrement subtil à traiter dans un tel format de vulgarisation en 10 minutes ! :-D
Oui, je reparlerai plus longuement de ce dont a parlé Mr Phi, car en effet, c'est très important pour bien comprendre le degré de validité des sciences 😉
Merci pour tout le travail effectuer très bien expliquer je trouve je n'en suis pas un spécialiste je n'arriverais pas a le refaire mais en me concentrant du long de la vidéo j'en comprend les conclusions du aux conditions et les dérives qu'elles peuvent avoir si c'est très mal expliqué et donc très mal compris il faudrait que je regarde une nouvelle fois la vidéo voir plus pour vraiment comprendre quand les gens font une erreur a ce sujet, Voilà mon ressenti j'espère qu'il vous aideras et bonne continuation!!
En plus de ce que tu viens de dire il faut en plus ajouter les hypothèses faites pour pouvoir calculer les probabilités. Notamment la distribution de la statistique étudiée que l on suppose par exemple normale. On a au moins le théorème limite centrale pour aider dans certains cas mais souvent ces verifications et précautions quant aux conclusions sont oubliées.
J’ai juste une question qui me tourmente depuis un moment en statistique, comment est ce possible que nous estimons nos données à l’aide d’une loi de type normale mais que nous avons besoin de ces même données pour déterminé la loi qu’elle suivent?? J’ai l’impression que c’est un peu le serpent qui se mort la queue ou peut être que je me trompe.
J'essai de bien saisir mais c'est pas facile :p
Veux-tu nous dire que, dans un monde où le boson de Higgs n'existe pas, la probabilité que cette même étude nous donne ces mêmes résultats en ETANT VRAISEMBLABLE (et donc que le boson n'existe bel et bien pas) est inférieure à 0.000029% ?
J'adore les sciences mais je suis nul en math donc dsl si je tape a côté ^^'
J'arrive après la bataille. Il me semblait que justement ce seuil arbitraire pour la valeur p se nomme alpha (d'où le risque alpha de rejeter H0 alors que H0 est vraie). Or il me semblait également que l'intervale de confiance (donc certitude) est donné par 1 - alpha.
Donc, en sachant ça, voir que les scientifiques ont prouvé l'existence du boson de Higgs avec 99,9999% de certitude me semble correct si la p value était de 0,000029%. Car l'hypothèse nulle étant l'inexistence du boson de Higgs, la p-value permet de rejeter cette hypothèse.
Bref, ça ne change rien à la validité des critiques que tu émets par la suite, et la simplification du propos par les médias, mais l'affirmation ne me semblait pas erronée quand on a conscience de la nature de la p-value et des intervalles de confiances ainsi que de la méthodologie du test statistique.
Est-ce qu'il y aurait pas moyen de créer "l'inverse de la p value" c'est à dire une valeur qui part du principe que la théorie T est fausse, et regarde la probabilité d'obteir des résultats pires que ceux qu'on a eu?
C'eût été plus clair de conserver H0 : l'hypothèse dont on cherche à évaluer la vraissemblance est l'hypothèse nulle (la négation logique de la théorie qui nous intéresse), c'est-à-dire qu'on cherche à évaluer la probabilité du contraire logique de la théorie à démontrer ; autrement dit, on quantifie la probabilité de se tromper.
Par exemple, on veut prouver qu'il existe une corrélation entre deux variables A et B, au-delà des hasards de la mesure. On commence par supposer qu'il n'y a pas de corrélation entre deux variables, on pose l'hypothèse nulle H0 : absence de corrélation entre A et B. Si la p-valeur vaut 0.01, cela signifie que la probabilité que H0 soit vraie est de 1%, donc que la probabilité qu'il n'y ai pas de corrélation est de 1%. La probabilité de la négation de l'hypothèse nulle est ainsi de 99% (p-valeur = P(H0) = 0.01 donc P(non-H0) = 1 - 0.01 = 0.99), et la négation de l'hypothèse nulle, c'est l'existence d'une corrélation entre A et B – si on considère le principe du tiers exclu : H0 ou non-H0, l'un des deux évènements doit forcément se réaliser, et l'un exclut l'autre. Donc la probabilité de l'existence d'une corrélation est de 99%. D'où plus la p-valeur est faible, plus la vraissemblance des données est forte. (Et à noter ici qu'on ne considère pas l'ampleur de la corrélation, seulement sa significativité c'est-à-dire la probabilité qu'elle ne soit pas liée à un hasard de mesure.)
(Corrigez-moi si je me trompe.)
Sinon, j'ai rien compris de la vidéo, à part peut-être que "la p-valeur concerne la probabilité d'une conclusion sachant la théorie vraie" (13:41). Est-ce que ça veut dire qu'on applique le principe du tiers exclu ? Mais que dans la "vraie vie" on ne peut pas être certain de ce principe, qu'il y a toujours la possibilité d'alternatives, d'hypothèses tiers, autres que H0 et non-H0 ?
Et l'idée que "la vraissemblance des données ne se confond pas avec la crédibilité de la théorie", est-ce que ça veut dire qu'on distingue l'existence ou non d'une significativité des résultats, avec la théorie elle-même ? Mais alors est-ce qu'il n'y aurait pas une grosse confusion dans la vidéo, qui en fait mélange la p-valeur, qui s'applique pour déterminer la vraissemblance des données, c'est-à-dire l'existence ou non d'une significativité de la mesure (déterminée par rapport à quoi ?), et la "théorie" qui n'a rien à voir avec la p-valeur ?
Enfin bref, sachant qu'aucun exemple concret et précis n'est donné dans la vidéo, se contentant d'abstractions, et présupposant d'autres connaissances en mobilisant des concepts définis ailleurs ("la crédence de la théorie"), ça n'aide pas à se représenter les choses, et c'est assez incompréhensible :-/
Je me permet de relancer ma question parce que je n'ai toujours pas trouvé ^^ Comment calculer la p value du résultat de la case G19 de ce tableau sur l'énigme des deux enfants ?
https://docs.google.com/spreadsheets/d/1SARJNvSnIY_2u1KQbkgza2VA7YrmVO3lU9UFNSfwDTI/edit?usp=sharing
Waw, merci pour cette pièce bien complète sur la p-value qui finira à n'en pas douter dans moult descriptions de mes vidéos !
Jeune doctorant en sciences, j'attendais cette vidéo (et les suivantes ! ) avec impatience pour être sur de ne pas dire trop de bêtise dans la suite de mon travail xD
Excellent vidéo, excellente série, comme d'hab'
😂 😂 😂 Et j viens d finir la music de Wale ft Lloyd Sabotage Love et j'ai fait le même constat.
DAB
Merci pour les explications ! cependant, tu ne donnes pas de solutions, comment peut on correctement estimer la crédence d'une théorie ? Y a t-il dautres outil statistiques utiles ?
Excellent exposé mais incomplet je crois. Lorsque l'on cherche à tirer les conclusion d'une expérience il y a deux risques: celui de rejetter T à tort, mesuré par la p-value, et celui de ne pas rejeter T, à tort, rarement mesuré. Le choix traditionnel (Neyman-Pearson) est de minimiser le premier risque en ignorant le second. Ce choix, comme vous le laissez entendre en creux est à l'origine de la sous-publication de résultats "négatifs". Dans la course au scoop le gagnant n'est pas celui qui aura la plus grosse mais celui qui aura la plus petite... p-value.
Big, big confusion between the "scientific method" and statistics ! Many ancient Greeks, Galileo, Newton, for example, were amazing scientists, way before the introduction of statistics, let alone the concept of the NHST and the p-value
bien jouer pour le référencement de la vidéo car même en la regardant deux fois, la comprendre c'est difficile (alors que d'habitude j'y arrive asser bien en une fois)
Je suis encore dans le doute de ma compréhension : ai-je bon si je dit (ce que j'ai compris) : Les données éventuellement pire que nos données analysés jusque là représente un pourcentage inférieure à celui attendu théoriquement (1% par exemple). Et donc ça serai une preuve par contradiction. C'est contre intuitif dans le sens ou au premier abords on peut se dire que si les données qui sont "pire" ont moins de chance d'exister en fait c'est plutôt un bon signe pour la théorie testé, non ? (En espérant avoir été explicite?)
Superbe vidéo ! Je m'attendais à ce que tu enchaines sur les travaux de Neyman-Pearson, dommage ;) Superbe vidéo
La présence étant le contraire "parfait" de l'absence, être significativement ne pas être c'est être présent.... Il faudrait donné un autre exemple, comme la construction de taux de taux mortalité. ( dis moi si je me trompe)
Je travaille dans les statistiques en assurance. Je confirme que + de 80% de mes collègues qui font des stats comprennent mal et utilisent mal la p-value. Il prennent les résultats des tests pour argent comptant sans réflexion ni analyse. Comme si le fait d'avoir une p-value les dispensaient de réfléchir à la signification du test effectué.
" La p-value concerne la probabilité d'une conclusion sachant la théorie vrai, et ça en faite ça ne nous dit pas grand chose de la probabilité de la théorie sachant qu'elle a été rejetée tout ça parce que la vraisemblance des données n'est pas la crédence de la théorie" Merci Science4All
Au niveau 7'09'' vous dites que "D est hautement invraisemblable (ou improbable) si la probabilité des données extrêmes (sachant T) est très faible. N'est-ce pas le contraire ?
Une erreur grave sur Popper vers 3'38'' : Popper n'a pas introduit un critère de scientificité (permettant de reconnaître une hypothèse ou une théorie scientifique) mais un critère de non scientificité (permettant de reconnapitre une hypothèse ou une théorie non scientifique). Ce n'est pas exactement la même chose.
merci beaucoup, j'ai enfin compris ce que c'était la p_value :) Crédence est la la loi à priori c'est ca .
Comment j'ai la cervelle qui pique. Je vais me la repasser 1 ou 2 fois celle là 🤯. Très rigolot à écouter comme toujours, merci!
avec mes cours de statistiques que j'ai en école d'ingé c'est deja pas tout a fait évident a comprendre, alors je veux bien comprendre que certains moldus veuillent que ce soit vulgarisé :'(
très interessant!
Super vidéo.
Juste un détail de vocabulaire : à 10:41 tu dis "le seuil de la p-value permet d'anticiper le taux de faux-positifs, ou plus précisément la probablité de rejet d'une théorie T vraie"
Est-ce qu'il ne serait pas plus correct de parler de faux-négatif (on a rejeté la théorie, donc "avis négatif", mais ce faisant on s'est planté, donc "faux") ?
Sinon crédence est un anglicisme horrible mais j'imagine que je ne suis pas le premier à te le signaler ^^ (crédit ? crédibilité ? plausibilité ?)
Science4All - 2019-05-27
ERRATUM : Popper est mort en 1994 et non pas en 1914.
Dairop - 2019-06-05
Je me disais bien qu'il avait plus de 10ans
John Argutie - 2020-05-10
La crédence c’est pas une référence à la résurrection des eaux claires ? #CCR
Alexandre edeline - 2020-06-02
jle trouvais vachement précoce
franck tagne - 2021-01-10
AAAA
Jacques UNTERLECHNER - 2021-11-18
@f hMort à 12 ans et il faut attendre 1934 pour qu'il décide de sortir de sa tombe pour publier...