Démarche scientifique
Table des matières
Comment on se trompe de bonne foi ?
Deux systèmes de pensée
| Raisonnement heuristique | Raisonnement analytique |
|---|---|
| Plus crédule, réduit le doute | Raisonnement conscient |
| Se repose sur nos a-prioris et stéréotypes | Chargé de douter |
| Reformule les questions complexes | Donc plus critique |
Raisonnement heuristique
L'heuristique de disponibilité, c'est ce qui est plus facilement facile à l'esprit ce qui est plus probable ou vu récemment et est donc jugé plus vrai.
Conformisme
Voir l'expérience de Asch. Le conformisme, c'est de faire confiance aux autres pour forger notre avis, parfois à tort…
Effet d'ancrage
Faire en sorte de se positionner par rapport à un point d'ancrage. (Comptez-vous mettre plus ou moins de 3 ans de prison à cet accusé ?)
Effet de cadrage
Le verre à moitié plein/à moitié vide, alors que le verre est rempli de moitié. C'est la manière dont sont présentées les infos.
Dissonance cognitive
Avoir deux pensées incompatibles.
Biais de confirmation
On cherche à confirmer nos hypothèses qu'à les infirmer.
Les expériences de Milgram
Voir les slides du cours
Comment savons-nous ce que nous savons ?
La science décrit-elle le monde tel qu'il est ?
Revoir le cours de Déer
Comment tester une prétention
Pour savoir si un effet est observé, il faut savoir par rapport à quoi. Il faut le moins de différences possibles entre les conditions qu'on compare. Il faut que le sujet ne sache pas dans quel groupe il appartient (simple aveugle). Également, il faut que l'expérimentateur ne doit pas savoir non plus.
Il faut également que les expériences se déroulent au hasard. Si plusieurs essais, alors tous les essais doivent être fait au hasard.
Comment interpréter des résultats
Comment déterminer si, en fonction des résultats, savoir si notre hypothèse est réfutée par l'expérience ?
Dans l'expérience des profs en retard en fonction des lunettes ou pas, on a pour résultat que 70% des profs (23 profs) ayant des lunettes sont en retard, alors que 47% des profs sans lunettes sont en retard (sur un petit échantillon de 30-50 personnes). Peut-on conclure que les profs portant des lunettes sont plus en retard que les profs sans lunettes ? En clair :
\[ 70\% > 47\% ? \]
Il faut connaître la variabilité : l'écart-type. Ici, on utilisera l'erreur-type qui est
Soit \(p\) une proportion calculée sur un échantillon de taille \(n\). Alors l'erreur-type \(S_p\) est :
\[ S_p = \sqrt{\frac{p(1-p)}{n}} \]
Avec nos valeurs \(p = .7\) et \(n = 23\), on a \(S_p = .096\). En traçant la courbe normale \(\mathcal{N}(0.7, 0.096)\) qui représente la distribution des retards, on peut fixer un \(\epsilon > 0\) tel que nous rejetons l'hypothèse tel que \([p - \epsilon, p + \epsilon]\). On va choisir \(\epsilon\) en fonction de \(S_p\).
Intervalle de confiance
Choisir un intervalle de confiance à \(n%\), c'est choisir notre \(\epsilon\) tel que l'intervalle \([p - \epsilon, p + \epsilon]\) contienne \(n%\) des valeurs.
En général, on prend un intervalle de confiance à \(95%\). Le z-score (ou seuil critique) est un valeur qui dépend du \(%\) de notre intervalle de confiance et UNIQUEMENT d'elle. Pour l'avoir, on utilise des tables de z-score ou des calculateurs. Notre intervalle de confiance sera donc \([p - zS_p, p + zS_p]\)
Revenons à notre exemple. Pour \(p = 0.696\) et \(S_p = .096\), il y a \(95%\) de chances que la vraie proportion se trouve entre \(50.8%\) et \(88.4%\)
Intervalle de confiance d'une différence de proportions \(p_1\) et \(p_2\)
L'intervalle de confiance \(p_2 - p_1\) est
\[ p_2 - p_1 \pm z \sqrt{\frac{p_1(1-p_1)}{n_1}+\frac{p_2(1-p_2)}{n_2}} \]
Si \(0\) est contenu dans cet intervalle de confiance, on ne peut pas conclure.
Sans proportions ?
Si on ne mesure pas de quelque-chose de binaire, comment on fait ?
- On calcule la moyenne \(\bar{x}\)
- On calcule la variance
\[ s^2 = \frac{1}{n - 1} \sum_{i = 1}^{n} (x_i - \bar{x})^2 \]
- On calcule l'erreur standard
Erreur de type 1
Faux positifs
Erreur de type 2
On a deux groupes différents, on est donc censé rejeter l'hypothèse nulle. Des fois, on va acceptei l'hypothèse nulle : faux négatif
Bien définir la taille de l'échantillon
Une taille d'échantillon trop faible c’est le risque d’une erreur de type 2 : une étude trop faible.
Il ne faut jamais définir ses critères après avoir eu les premiers résultats.