Biais et Pratiques en Statistique

Tendance à privilégier des informations qui confirment nos préjugés, même si elles ne sont pas fiables.

La manière dont l'information est présentée peut influencer notre perception, même si les faits sont identiques.

Comparer des données en nombre absolu peut mener à des conclusions erronées. Il faut souvent regarder les proportions pour une interprétation correcte.

Une corrélation entre deux phénomènes ne signifie pas nécessairement qu'un phénomène cause l'autre.

Variables qui influencent le résultat mais ne sont pas prises en compte dans l'étude, ce qui peut fausser les conclusions.

L'effet de composition se produit lorsque la tendance d'un groupe est différente de la somme des tendances de ses sous-groupes.

Le hasard joue un rôle important dans les statistiques. Des variations aléatoires peuvent influencer les résultats.

Les représentations graphiques peuvent être manipulées pour influencer la perception du lecteur. Il faut faire attention aux échelles et aux surfaces.

La probabilité qu'une différence observée entre deux échantillons soit due au hasard de l'échantillonnage, et non à une différence réelle entre les populations.

Utiliser des sources statistiques fiables, vérifier la méthode de collecte ou de calcul, s'assurer que les données sont pertinentes, être attentif aux effets de composition, tenir compte du rôle du hasard, calculer les indicateurs statistiques pertinents, formuler des interprétations correctes et être conscient des limites de l'analyse.

La baisse du taux de positivité aux tests COVID-19 en France pourrait ne pas refléter une réelle diminution de l'épidémie, mais être due à un changement dans le profil des personnes se faisant tester. Avant le pass sanitaire, les tests étaient majoritairement effectués par des personnes cas contacts ou symptomatiques. Maintenant, les personnes cherchant un test négatif pour obtenir un pass sanitaire (sans symptôme ni contact) sont plus nombreuses, ce qui peut artificiellement faire baisser le taux de positivité.

Un indicateur basé sur le ratio des personnes testées positives sur le nombre total de tests effectués.

Mesure la probabilité qu'un membre d'un ménage développe un cancer en fonction du nombre de briquets.

Le taux de mortalité par COVID-19 est plus élevé chez les personnes pauvres que chez les personnes riches, mais cette différence pourrait être due à des facteurs comme une densité de population plus élevée, un accès limité aux soins médicaux, ou une surreprésentation dans des professions à risque.

En Alsace, les communes abritant le plus de cigognes ont aussi le plus de naissances. Cette corrélation est probablement due à la taille de la commune et à la présence de bâtiments favorables à la nidification des cigognes.

Les pays avec une forte consommation d'alcool ont également une espérance de vie plus élevée. Cette corrélation est probablement due à la richesse du pays, qui influence à la fois la consommation d'alcool et l'espérance de vie.

Les étudiants prenant un petit déjeuner ont de meilleures notes. Cette corrélation peut être due à des facteurs comme le niveau socio-économique des étudiants et leur proximité géographique avec l'université, qui affectent à la fois leurs habitudes alimentaires et leurs performances académiques.

L'augmentation du nombre d'accidents de la route est corrélée à la consommation de sodas. Cette corrélation pourrait être due à la croissance de la population, qui affecte à la fois lenombre d'accidents et la consommation de sodas.

A New York, les feux les plus importants causant les plus de dégâts nécessitent un plus grand nombre de pompiers. Cette corrélation est due à la taille du feu, qui nécessite plus de pompiers pour l'éteindre.

Les infirmiers prenant le plus de pauses ont un risque de décès plus élevé. Cette corrélation est probablement due au fait que les infirmiers prenant plus de pauses sont souvent des fumeurs, ce qui augmente leur risque de décès.