Forum de mathématiques - Bibm@th.net

On ne sait même plus à qui vous écrivez..

Mais on sait qui vous citez :

"Moi a écrit" - c'est très caractéristique de votre infatuation projective : "vous êtes totalement sûr de vous"

De plus je ne parlais ni de faute ni d'erreur sur ces données, je disais justement qu'il ne pouvait qu'y en avoir aucune dans cet exemple précis, à moins que l'ensemble des équipes des urgences ne soit bourré au point de ne plus savoir quel jour on est, ou de voir doublement les patients qui arrivent.

C'est une option d'un des modes de calcul d'un de mes programmes qui a choisi par défaut 30 classes avec ce nombre de couples de données. Un autre mode de calcul prend 10 classes.

Vous ne savez décidément que faire des régressions sur ce modèle A + BX, après quoi vous dites "juste peut-être une variation saisonnière", au pif.
"Peut-être", ça vaut quel risque d'erreur ?

Bonsoir,

C'est un gag ? je vous ai envoyé ce graphe deux fois, la dernière fois hier encore en PJ au cas où votre programme de messagerie ne saurait pas afficher des graphes.
Et vous savez que ce n'est pas un contre-exemple mais le graphe en 30 classes des mêmes données que je vous ai transmises et que vous "analysez" ci-dessus.

Bonsoir,

Si, je vous permets de l'utiliser. Vous pouvez même le donner in extenso sur le forum, ça n'occasionnerait aucun inconvénient à part le plutôt grand volume que ça donnerait à votre message.

@Dlzlogic

je viens d'envoyer en PJ par mail ces données, exhaustives, au format Excel 97-2003 : 557 lignes, les dates consécutives et le nombre de patients enregistrés par jour aux urgences.
Le contexte est évident me semble t-il, puisque aucune exclusion n'est faite.
Le but n'a rien à voir, c'est moi qui souhaitais ces données pour effectuer un travail préalable à une analyse de tendance sur les urgences psychiatriques qui en forment un sous-ensemble minuscule.
Ces données m'ont donc été données sans aucune arrière-pensée par le responsable du département d'information médicale, qui n'a fait aucune analyse autre que descriptive pour la tutelle et tous les services, pas seulement les urgences.
Il y a bien dans les données un facteur évident d’auto-corrélation, repéré d'instinct par le DIM (mais que les urgentistes trop proches sans doute du terrain ne semblent pas avoir vu) et que je vous laisse trouver.

@+

Bonsoir,

J'avais bêtement cru que vote question était celle que je cite ci-dessous, d'après votre propre texte:

Comme vous posez un problème statistique qui vise à connaître les occurrences du rachitisme à partir de 13 variables, commencer par définir comment on dit que ce rachitisme existe ou pas, et éventuellement sa sévérité, est un problème "strictement mathématique" ?

Mais puisque vous dites que je n'ai "aucune idée de l'origine de la question posée à la base" alors que vous donnez ça dans l'énoncé, qui ne ressemble pas tellement à un "problème strictement mathématique" mais à une question d'épidémiologie banale et qui donc renvoie aux méthodes classiques d'épidémiologie, dont je suis bien sûr que vous avez des notions très précises..

Vous avez raison, la correction vaut mieux ne pas en dire plus.

Cher Freddy,

En m’y reprenant plus sérieusement, cette fois je n’ai pas oublié d’ajouter le bruit à y, et donc avec les préalables suivants :
XBLANC est simulé avec une loi normale de moyenne 40 et d’écart-type 10
(moyenne mesurée, 40.532, écrat-type 10.877 ; Shapiro-Wilk 0.988, p-value bilatérale 0.532 ; Anderson-Darling 0.312 p-value bilatérale 0.545 ; Lilliefors p-value bilatérale 0.399 ; Jarque-Bera p-value bilatérale et alpha 0.05).

L’erreur ajoutée à YPLUSBLANC = XBLANC*24 + 379 est ERR_N_500 (loi normale centrée 0 et écart-type 100) et j’ai pour ERR_N_500
Moyenne 22.409, écart-type 474.901 ; S-W 0.990. p 0.631, alpha 0.05 ; A-D p 0.576, alpha 0.05 ; Lilliefors p 0.391 alpha 0.05 ; Jarque-Bera p 0.482 alpha 0.05.

J’ai abrégé ci et là en ne donnant pas toutes les valeurs que me donne XLSTAT pour ces tests (genre D et D normalisé pour Lilliefors, etc.)

Aussi bien XLSTAT que Systat me donnent les mêmes valeurs de l’équation
YPLUSBLANC = 560 + 20*XBLANC (donc au lieu de 379 + 24*x) à toutes les décimales près (j’ai arrondi) et les mêmes R^2 (0.176) et ajustés (0.167). Il me semble donc que leur méthode de calcul n’est pas en cause.

Je suppose intuitivement que cette mauvaise corrélation pourrait être en partie liée au fait qu’en prenant X selon une distribution normale, peu de points sont éloignés de la moyenne, alors que la méthode de régression donne sans doute des résultats plus précis quand beaucoup de points en sont distants ? Quand je prenais la répartition uniforme de X depuis 20 à 100 de 5 en 5, la corrélation était bien meilleure.

Il reste la question de la qualité du générateur aléatoire qui est celui de Systat, et que ce programme indique comme étant de type Mersenne Twister. Quand je lis sur cet algorithme, je vois pourtant que cette méthode serait assez valable sauf besoin pointu du genre cryptographie.
Je te joins ci-dessous le graphe des résidus.

Si tu souhaites toujours que je donne les valeurs d’origine, j’aimerais avec ta permission de les donner en MP, pour éviter de dévier sur des considérations historiques ici, où ce n’est pas ni ne doit être le lieu de ces considérations.

Bien amicalement, @+

Bonsoir,

J'ai du me planter, la corrélation s'est complètement effondrée en prenant n avec une moyenne de 40 et un écart type de 10 et le reste égal par ailleurs.

J'ai d'ailleurs eu du mal à fusionner le tableau avec un x normal avec le précédent, j'ai du faire une fausse commande d'autant qu'il me fallait ensuite taper en ligne de commande la nouvelle valeur de "YBLANC".

J'y reviendrai donc, mais je ne serai plus en vacance demain et donc lent..

Amitiés

PS : j'ai regardé les offres de SAS pour amateurs, j'attends la réponse, c'est peut-être prématuré. Dans mon métier, il me semble que l'ATIH utilise SPSS pour les données qu'on leur remonte.

Salut Freddy, et merci de ton aide et attention.

A priori, ce modèle y=ax+b dans la limite de mes connaissances physiques devrait correspondre.

Il y a une incertitude sur la valeur de x à chaque observation pour des raisons circonstancielles inconnues, a priori aléatoire mais qui pour des raisons pratiques ne peut raisonnablement être inférieur à disons 8 et jamais supérieur à 110.

Je n'ai pas d'outil décrivant les autocorrélations, autre que des ACF et dérivés pour étudier des séries temporelles. Ici comme chaque paire peut être associée à une date, je viens de regarder mais je ne vois pas de pattern remarquable. Je ne sais pas comment voir si des autocorrélations d'ordre supérieur existent, ni comment "décorréler".

Que je comprenne bien avant de faire des simulations qui ne ressembleraient pas à celle que tu suggères ;

- je tire au hasard une centaine de valeurs de x, avec une loi quelconque conservant x entre 20 et 110, favorisant par réalisme quand même ce que j'ai avec les données de départ : moyenne 36.15, écart-type 20
- de là je calcule y avec ma formule douteuse actuelle 369+24.4 * x, douteuse mais qui est ce que j'ai de mieux en ce moment
- et j'ajoute une valeur aléatoire à y de moyenne nulle et variance quelconque, après quoi je refais le calcul de régression classique ?

Merci encore à toi de me prêter ton temps, amicalement,

Bonjour,

D'abord, quand j'écrivais ma thèse, ou mon mémoire, ou participais à l'écriture d'une quinzaine ou vingtaine d'articles (on me demandait entre autres mon avis sur la méthodologie de façon collégiale, ou à moi seul la réalisation de calculs statistiques, ou l'écriture de programmes de mesure en temps réel lors de différents tests), je ne me serais jamais permis d'aller demander à mon prof de stats avec qui j'avais des relations amicales, ou son assistant, de faire les calculs à ma place.

C'aurait été se moquer du monde.

La question (ou plutôt les questions) que je posais étaient souvent en premier la façon, selon les méthodes employées, d'obtenir des données qui soient éventuellement calculables ; ensuite et toujours sauf évidence, si j'utilisais un calcul statistique dans un domaine où il était valide, et sinon si on pouvait me suggérer un test valide (ce qui rejoint d'ailleurs la question préalable des données calculables, avant même le début de l'étude; pour les articles que je mentionnais, le coût des études était prohibitif, d'où la nécessité de ne pas les faire pour rien, et le corollaire regrettable qui est que le directeur d'études tient absolument à avoir un résultat positif, un article où l'auteur n'a rien trouvé est rarement publiable). Je ni'rais pas jusqu'à dire ce point a influencé la publication plus que douteuse de Seralini, mais ça n'est pas impossible.

Une exception cependant, une étude il y a quelques années sur la co-presription de médicaments sur des ordonnances de sortie d'hospitalisation. Sachant qu'une ordonnance peut aussi bien avoir deux lignes que 18, qu'évidemment co-prescription veut dire couplage non seulement de 2 médicaments mais aussi bien de 5, il a fallu recourir à des techniques de data mining, j'étais absolument incapable d'imaginer ne serait-ce que le début d'un algorithme calculant ça.
Dans ce cas donc, il m'a fallu me résoudre à solliciter le calcul effectif d'un statisticien du CHU de Nancy, à qui le prof en question m'avait recommandé.
A noter qu'ici on est en statistique surtout descriptive, même si on obtient un graphe, où à partir d'une association on a une intensité d'association vers un autre nœud où il y a éventuellement un médicament ou plusieurs de plus.
C'est avec ce genre de méthodes que Amazon ou autres vendeurs vont me proposer un article qui pourrait m'intéresser quand je me connecte (et encore en ce moment il y a comme un bug puisque Amazon me suggère d'acheter un article que je leur ai déjà acheté).

Sur votre question, que je ne comprends pas très bien, la réponse est peut-être justement ma question, ai-je le droit de faire une régression dans le cas que je cite.
Jusqu'ici, vous n'avez répondu en rien à ma question. Je ne vois pas en quoi vous fournir les données m'avancerait.

Par contre si Freddy en avait besoin, je n'hésiterais pas à les lui communiquer.

Re-salut

C'est peut-être pour ça qu'en première année de médecine la matière était baptisée "biomathématiques" (on ne faisait rien que de très ordinaire, dérivées, intégrales, .. même pas avec des énoncés rappelant en quoique ce soit de la médecine ou de la biologie) et plus tard des "biostatistiques" (même chose, avec des problèmes du genre "combien de temps va t-on attendre le bus en moyenne")

:-)

Si la question t'intéresse, à l'occasion je t'enverrai un scan des brochures que laissent les labos pour vanter leur dernière m.. (simplement, fais-le moi savoir, j'ai fini par refuser de rencontrer les délégués médicaux, donc il faudra que je demande à des collègues de me prêter la réclame qu'on leur a donné.

@+

Salut Freddy

Je croyais que les p-value indiquées ne faisaient que montrer que les données ne suivent pas une loi normale ? et que seul le DW était important ?

J'ai déjà refait tout le calcul et les dernières valeurs avec leur p-value correspondent aux données rectifiées (donc en ayant rectifié cette donnée aberrante signalée par Systat qui était de fait une erreur de recopie, la valeur corrigée étant beaucoup plus proche de la prédiction). Systat ne me signale plus à présent qu'une "large leverage", cette donnée est certes inhabituellement grande mais l'autre de la paire aussi, et il n'y a pas d'erreur de copie ici.

J'essaye donc d'insérer en plus grand ce graphe des résidus-prédictions:

En passant, le test de Shapiro-Wilk me semble assez impitoyable et très souvent rejeter une loi normale, même sur 8 couples de données, existe t-il un moyen de connaître le risque beta de ce test ?

Amicalement, et merci à toi,

Bonsoir Léon,

Dans ce cas précis, on a toute raison de modéliser comme suit

y = a + b*x

C'est avec ce modèle que j'ai une corrélation plutôt élevée entre y et x, et je n'imagine pas d'autre facteur pertinent que y et x, juste des imprécisions sur chacun des deux.

Amicalement