La signification statistique de l'expérience « Lady Tasting Tea »
« Lady Tasting Tea » est une célèbre expérience statistique menée par Ronald Fisher. Cela a donné naissance aux tests d'hypothèses modernes lorsqu'une dame lors d'un goûter a affirmé qu'elle pouvait discerner si du thé ou du lait était versé en premier dans une tasse, conduisant à des progrès significatifs dans la science statistique.
Introduction à l'expérience 'Lady Tasting Tea'
The ‘Lady Tasting Tea’est une illustration parfaite de la signification statistique et de la vérification d'hypothèses, dans une ambiance de garden-party décontractée. Elle trouve son origine dans une affirmation apparemment anodine d'une dame lors d'une réception organisée par le célèbre biologiste et statisticien Ronald A. Fisher à Cambridge dans les années 1920. Cette dame affirmait avec assurance pouvoir distinguer si le lait ou le thé était versé en premier dans sa tasse.
Intrigué par son affirmation, Fisher la transforma aussitôt en expérience, marquant ainsi la naissance des tests d'hypothèses modernes. Il lui présenta huit tasses de thé, quatre préparées selon sa préférence (avec le lait en premier) et quatre à l'inverse (avec le thé en premier). La dame identifia correctement toutes les tasses, ce qui amena Fisher à développer une méthodologie pour tester la validité statistique de telles affirmations.
Points forts
- L'expérience « Lady Tasting Tea » a donné naissance aux tests d'hypothèses modernes.
- Fisher a utilisé le concept d’hypothèse nulle pour la première fois dans cette expérience.
- Fisher a réalisé le premier essai contrôlé randomisé au cours de cette expérience.
- L'expérience a stimulé le développement du plan d'expériences de Fisher et des tests d'hypothèse nulle.
- Les principes du « Lady Tasting Tea » sont aujourd’hui fondamentaux dans la science des données.
Titre de l'annonce
Description de l'annonce. Lorem ipsum dolor sit amet, consectetur adipiscing elit.
Le contexte historique de l’expérience « Lady Tasting Tea »
Dans les années 1920, les statistiques étaient avant tout un outil d'analyse, et non une science à part entière. Fisher, cependant, entrevit le potentiel desstatistiquesà devenir un domaine scientifique autonome. L' expérience de la‘Lady Tasting Tea’devint un élément fondamental de ses efforts pour établir cette nouvelle discipline.
Cette expérience a été révolutionnaire car elle a permis de poser les bases empiriques destest d'hypothèse statistique. Elle a également constitué l'une des premières applications de l'hypothèse nulle. Cette innovation majeure a rendu possible la mesure de la probabilité qu'une affirmation soit fausse.
Répartition de la signification statistique derrière l'expérience
Le véritable génie de l'expérience de Fisher réside dans sa conception et son analyse statistiques. L'hypothèse nulle proposée par Fisher était que la dame n'avait aucune capacité réelle à distinguer les thés, c'est-à-dire que ses affirmations étaient simplement fondées sur le hasard. La dame a correctement identifié toutes les tasses, ce qui a conduit Fisher à rejeter l'hypothèse nulle.
Pour déterminer la signification statistique de son exploit, Fisher a utiliséune analyse combinatoire. Il a calculé que la probabilité d'identifier correctement toutes les tasses par pur hasard était d'environ 1 sur 70 (p < 0.05), suffisamment faible pour que Fisher puisse rejeter l'hypothèse nulle (H0) et conclure que sa capacité à discerner l'ordre du thé était statistiquement significative.
Comment l'expérience « Lady Tasting Tea » a contribué à la science statistique moderne
The ‘Lady Tasting Tea’a jeté les bases dela méthodologie expérimentale de Fisher et des tests d'hypothèse nulle, influençant profondément les sciences statistiques. Elle a donné naissance au concept de valeur p, depuis devenu omniprésent en statistiques et en recherche scientifique.
Plus important encore, cette expérience a impulsé le développement desessais contrôlés randomisés (ECR), la référence en matière de recherche médicale. En randomisant l'ordre des tasses de thé, Fisher a réalisé le premier ECR, apportant ainsi une contribution majeure à la méthodologie statistique.
Applications concrètes du principe « Lady Tasting Tea » en science des données
Les principes qui sous-tendent l' expérience de la‘Lady Tasting Tea’sont désormais fondamentaux enSciences des données. Les tests d'hypothèses sont couramment utilisés dans les tests A/B pour déterminer si différentes conceptions de sites web, par exemple, entraînent des comportements d'utilisateurs significativement différents.
Le concept de valeur p continue d’être un outil crucial pour déterminer l’importance des résultats en modélisation statistique et en apprentissage automatique. Par exemple, les data scientists utilisent régulièrement les principes de Fisher pour passer au crible le bruit des données, identifier des modèles et prendre des décisions basées sur les données.
Bien que simple dans sa conception, l'expérience de la « Dame dégustant du thé »a profondément influencé notre façon d'interagir avec les données et de les interpréter dans le monde moderne.
La science des données, en particulier, a exploité les méthodes statistiques de Fisher pour donner un sens à de vastes ensembles de données, identifier les tendances et prédire les résultats futurs. L'application des principes issus de l'expérience a révolutionné la façon dont nous percevons la signification statistique et la valeur que nous accordons aux décisions fondées sur les données.
L'expérience de la‘Lady Tasting Tea’souligne l'importance d'une approche rigoureuse et réfléchie de l'analyse des données. La capacité à concevoir des expériences solides, à poser les bonnes questions et à interpréter correctement les résultats demeure primordiale en statistiques et en science des données.
L'identité de la « Dame dégustatrice de thé »
L'identité de la «Dame dégustant du thé» n'a pas été formellement établie. L'événement est relaté dans un ouvrage de Sir Ronald A. Fisher, statisticien et généticien, qui l'utilise comme exemple pour introduire les concepts d'hypothèse nulle et de valeur p dans son livre « La Conception d'expériences», publié en 1935.
Cependant, on suppose souvent que la dame était le Dr Muriel Bristol, une chercheuse et biologiste britannique sur les algues connue pour avoir été présente à la réunion où l'expérience a eu lieu. Le Dr Bristol épousa plus tard le collègue de Fisher, Egon Pearson, qui était également un éminent statisticien.
N'oubliez pas que l'histoire se concentre moins sur l'individu que sur les méthodes statistiques révolutionnaires issues de l'incident.
Titre de l'annonce
Description de l'annonce. Lorem ipsum dolor sit amet, consectetur adipiscing elit.
Articles recommandés
Êtes-vous curieux d’approfondir le domaine fascinant des statistiques et de la science des données ? Plongez dans notre collection d’articles pertinents sur notre blog !
- Comment mentir avec les statistiques ?
- Explorer les valeurs P (Récit)
- « Que signifie la valeur P » revisité
- Musique, thé et valeurs P : une histoire de résultats impossibles et de P-Hacking
- Qu'est-ce qu'une variable indépendante dans une expérience ?
Questions fréquentes
Il s’agissait d’une expérience révolutionnaire menée par Ronald Fisher, introduisant les tests d’hypothèses modernes.
L'identité n'est pas connue avec certitude, mais on pense souvent qu'il s'agit du Dr Muriel Bristol.
Il a introduit la conception d'expériences de Fisher et les tests d'hypothèse nulle.
C'est une hypothèse qui ne propose aucune signification statistique entre les ensembles d'observations.
Il est utilisé dans les tests d'hypothèses, les calculs de valeur p et les tests A/B en science des données.
Une valeur p mesure la force des preuves à l’appui d’une hypothèse nulle.
C'est une méthode statistique utilisée pour faire des inférences ou des prédictions sur une population.
Les tests A/B comparent 2 versions d'une page Web ou d'une autre ressource pour déterminer laquelle est la plus performante.
En randomisant l'ordre des tasses de thé, Fisher a réalisé le premier ECR.
Il a introduit des principes qui permettent aux data scientists de passer au crible le bruit des données, d'identifier des modèles et de prendre des décisions basées sur les données.
