Modele statistique definition
Deux modèles statistiques sont imbriqués si le premier modèle peut être transformé en second modèle en imposant des contraintes sur les paramètres du premier modèle. Par exemple, l`ensemble de toutes les distributions gaussiennes a, imbriqué à l`intérieur, l`ensemble des distributions gaussiennes de moyenne zéro: nous limitons la moyenne dans l`ensemble de toutes les distributions gaussiennes pour obtenir les distributions de moyenne zéro. En guise de deuxième exemple, le modèle quadratique les hypothèses incarnées par un modèle statistique décrivent un ensemble de distributions de probabilité, dont certaines sont supposées suffisamment approximatives de la distribution à partir de laquelle un ensemble de données particulier est échantillonné. Les distributions de probabilité inhérentes aux modèles statistiques sont ce qui distingue les modèles statistiques des autres modèles mathématiques non statistiques. Qu`est-ce que ces trois exemples ont en commun? Quelque chose de touché ou lié à autre chose? Oui, un modèle est une relation entre les variables. Les relations que nous traitons sont généralement simples: les femmes sont plus courtes que les hommes, d`un montant fixe; la masse corporelle est proportionnelle à la hauteur ou peut-être height2; la chance qu`une personne donnée participera à un sport particulier est une fonction simple de l`âge, du sexe, du statut socio-économique, ou autre. En termes simples, la modélisation statistique est un moyen simplifié, mathématiquement formalisé de rapprocher la réalité (c.-à-d. ce qui génère vos données) et éventuellement de faire des prédictions à partir de cette approximation. Le modèle statistique est l`équation mathématique utilisée. Voici un exemple de base. Supposons que vous vouliez déclarer le poids d`une variété de pommes de terre. Nous considérerons un moyen difficile et facile de le faire. La façon dure est de passer des années à mesurer le poids de chaque pomme de terre de cette variété dans le monde, et de rapporter vos données dans une feuille de calcul Excel sans fin.
Le moyen le plus simple est de choisir un échantillon représentatif de 30 pommes de terre de cette variété, de calculer son écart moyen et standard et de ne rapporter que ces deux nombres comme une description approximative de ce poids. Représenter une quantité par une moyenne et un écart type est une forme très simple de modélisation statistique. La modélisation pour moi implique la spécification d`un cadre probabiliste pour les données observées avec des paramètres estimables qui peuvent être utilisés pour discerner les différences importantes dans les données observable lorsqu`elles existent. C`est ce qu`on appelle le pouvoir. Les modèles probabilistes peuvent être utilisés pour la prédiction ou l`inférence. Ils peuvent être utilisés pour calibrer les machines, pour démontrer une carence en retour sur investissement, pour prévoir les conditions météorologiques ou les stocks, ou pour simplifier la prise de décision médicale. Donc, rappelez-vous un modèle est une représentation de la réalité et que “tous les modèles sont faux, mais certains sont plus utiles que d`autres”. Un modèle est une représentation simplifiée de la réalité et vous ne pouvez pas envisager tout, mais vous devez savoir ce qu`il faut et ce qu`il ne faut pas considérer d`avoir un bon modèle qui peut vous donner des résultats significatifs. La construction d`un modèle statistique implique la construction d`une description mathématique de certains phénomènes réels qui représentent l`incertitude et/ou la randomité impliquées dans ce système. Selon le domaine d`application, il peut s`agir d`une régression linéaire ou d`un test d`hypothèse de base, à travers une analyse complexe de facteurs multivariés ou une exploration de données.
