A quelles étapes les stats sont elles utiles ?
On trouve dans ce chapitre les réponses à la question posée en fin de chapitre précédent : Déroulement d'une recherche
C'est évident pour l'étape 8 : "traitement des données"
C'est capital aux étapes :
- 5 : protocole expérimental, car si le plan expérimental est défectueux, c'est le traitement statistique qui devient impossible. Il n'est pas rare dans les labos de voir des chercheurs venir demander au plus statisticien de la bande ce qu'il peut faire comme stats... Mais c'est en général trop tard, il faut bricoler...
- 6 : l'hypothèse opérationnelle car c'est elle qui permettra d'évaluer si le plan expérimental est "traitable"
- 9 : car les interprétations dépendent directement des connaissances en statistique. C'est à cette étape que l'on entend le classique "ce test statistique conclut ça, celui-là conclut le contraire. C'est lequel qu'il faut croire ?"
Enfin, elles peuvent être utile pour comprendre des résultats à première vue contradictoires de la littérature (étape 2), pendant l'expérimentation... pour éviter de fausser ses données sans le savoir ! des exemples existent (étape 7).
Page suivante : Typologie des variables en fonction de la quantité d'information véhiculée
Page précédente : Déroulement d'une recherche
Retour au plan
C'est évident pour l'étape 8 : "traitement des données"
C'est capital aux étapes :
- 5 : protocole expérimental, car si le plan expérimental est défectueux, c'est le traitement statistique qui devient impossible. Il n'est pas rare dans les labos de voir des chercheurs venir demander au plus statisticien de la bande ce qu'il peut faire comme stats... Mais c'est en général trop tard, il faut bricoler...
- 6 : l'hypothèse opérationnelle car c'est elle qui permettra d'évaluer si le plan expérimental est "traitable"
- 9 : car les interprétations dépendent directement des connaissances en statistique. C'est à cette étape que l'on entend le classique "ce test statistique conclut ça, celui-là conclut le contraire. C'est lequel qu'il faut croire ?"
Enfin, elles peuvent être utile pour comprendre des résultats à première vue contradictoires de la littérature (étape 2), pendant l'expérimentation... pour éviter de fausser ses données sans le savoir ! des exemples existent (étape 7).
Page suivante : Typologie des variables en fonction de la quantité d'information véhiculée
Page précédente : Déroulement d'une recherche
Retour au plan
A découvrir aussi
- Typologie des variables en fonction de la quantité d'information véhiculée
- Reality show 2009
- Intérêt de cette typologie et de la connaissance des statuts
Retour aux articles de la catégorie Méthodo et stats : comprendre -
⨯
Inscrivez-vous au blog
Soyez prévenu par email des prochaines mises à jour
Rejoignez les 74 autres membres