et de statistiques d'accidents (donc nécessité de grands nombres)
Il n'a jamais fallu de grands nombres pour faire des statistiques, au contraire, ça biaise tout.
Les grands nombres, c'est pour du machine learning, ce genre d'algos. Dès qu'on rentre dans les grands nombres, justement, tout tend vers la loi normale et on ne "voit" plus rien, statistiquement parlant, en général.
Donc oui, l'analyse numérique peut nécessiter de grands nombres, ce n'est (heureusement) pas le cas de la statistique, qui a bien des moyens et des outils (formalisés, publiés, etc...) pour redresser les calculs sur de petits échantillons de données.
Essaye n'importe quel test statistique "de base" sur un gros volume de donnée et tout sera soit blanc, soit noir, et tout sera juste "normal".
[^] # Re: Et pourtant une autre révolution est en marche
Posté par _kaos_ . En réponse au journal Tesla Motors VS the rest of the world. Évalué à 1.
Hello,
Il n'a jamais fallu de grands nombres pour faire des statistiques, au contraire, ça biaise tout.
Les grands nombres, c'est pour du machine learning, ce genre d'algos. Dès qu'on rentre dans les grands nombres, justement, tout tend vers la loi normale et on ne "voit" plus rien, statistiquement parlant, en général.
Donc oui, l'analyse numérique peut nécessiter de grands nombres, ce n'est (heureusement) pas le cas de la statistique, qui a bien des moyens et des outils (formalisés, publiés, etc...) pour redresser les calculs sur de petits échantillons de données.
Essaye n'importe quel test statistique "de base" sur un gros volume de donnée et tout sera soit blanc, soit noir, et tout sera juste "normal".
Matricule 23415