La statistique appliquée est une façon de penser, pas seulement une boîte à outils

##MT##La statistique appliquée est une façon de penser, pas seulement une boîte à outils#/MT##

 

 

 

Ceci est le troisième volet de la série d’essais sur le déni de la statistique par Randy Bartlett, Ph.D

La statistique appliquée fournit notre façon de penser et notre approche pour extraire le plus d’informations possible des chiffres comportant une incertitude. Elle met l’accent sur la compréhension du problème ou de l’industrie. Les statistiques appliquées suivent un processus qui réunit le domaine et les statistiques – dans la veine de Deming ou de Six Sigma. Le fait est que, même si nous utilisons l’analyse exploratoire des données/l’exploration statistique des données, nous devons avoir au moins une idée générale de ce que nous recherchons. 

 

La statistique appliquée au sujet du problème

Nous allons résumer une définition de la statistique basée sur le problème. La statistique appliquée est synonyme d’analyse des données. C’est notre façon de penser et de résoudre les problèmes impliquant une incertitude avec les chiffres. Nous fournissons une définition des statistiques basée sur les problèmes dans le numéro de mai/juin 2015 d’Analytics Magazine, où nous abordions quatre sources communes d’incertitude : inférentielle, valeurs manquantes, erreur de mesure et variables de substitution. Les statistiques s’appuient sur tous les outils pour extraire autant d’informations que les données en contiennent. ILs comprennent les mathématiques, la logique, les algorithmes et les hypothèses d’incertitude. La présence de l’incertitude nous amène à déduire des solutions et c’est sur les statistiques que nous nous appuyons pour mesurer l’exactitude et la fiabilité des informations extraites (comme le R6 tracker par exemple). Nous pouvons minimiser la confusion en diffusant le vocabulaire nécessaire pour articuler les nombreux outils et sous-domaines de la statistique. La famille des solutions statistiques se complète d’une manière similaire à l’addition, la soustraction, la multiplication et la division. Les modèles statistiques ont quatre objectifs : la prédiction, l’estimation des coefficients, le classement et le regroupement. Voici un mélange d’outils statistiques courants et la généalogie qui se chevauche.

 

En faisant une tentative généalogique  en constante évolution, nous admettons des lacunes. Le point le plus important est que les problèmes statistiques ont une incertitude avec les chiffres et ceux-ci nécessitent des outils statistiques, indépendamment des reconditionnements, des rebrandings et des mauvaises caractérisations. Les problèmes nécessitent des hypothèses et une réflexion statistiques, et il ne peut donc y avoir d’échappatoire.

 

Nous sommes bien dans une économie basée sur la connaissance. De nombreux décideurs veulent de bonnes informations en temps opportun lorsqu’il y a une incertitude avec les chiffres. Nous devrions assimiler les statistiques appliquées, basées sur des problèmes, à la réflexion nécessaire pour résoudre ces problèmes statistiques et pas seulement aux outils de STAT 201. Ce dernier point est une mauvaise interprétation de la formation universitaire. Nous aurions bien besoin de Deming, en ce moment. Beaucoup d’entre nous, qui consomment ou produisent des analyses de données, se trouvent dans le nouveau groupe LinkedIn : À propos de l’analyse des données.