Concept
Biais d’échantillonnage
Un résultat faussé causé par l’examen de données qui ne représentent pas la population qui t’intéresse. Davantage de données ne résolvent pas le problème si les mêmes types de cas manquent toujours. Avant de faire confiance à une conclusion, demande-toi qui a eu la chance d’apparaître dans l’échantillon et qui a été exclu.
Faits associés
Paradoxes
4 min · moyen
Pourquoi tes amis semblent plus populaires
Rassemble chaque occurrence de nom de toutes les listes d'amis et les personnes bien connectées apparaissent plus souvent. La moyenne qui en résulte n'est jamais inférieure à la moyenne d'une personne choisie uniformément au hasard, et elle est plus élevée lorsque le nombre d'amis varie.
Trucs de données
4 min · moyen
Le biais de publication cache les études qui n'ont rien trouvé
Si seuls les résultats stimulants sont publiés, la recherche visible peut donner à un effet l'air plus net et plus fort qu'il ne l'est réellement.
Paradoxes
4 min · difficile
Le paradoxe de Berkson : les hôpitaux peuvent créer de fausses corrélations
Deux facteurs de risque non apparentés peuvent sembler négativement corrélés à l'intérieur d'un hôpital, car l'un ou l'autre peut être la raison pour laquelle un patient a été sélectionné dans l'échantillon.
Paradoxes
4 min · moyen
Une tendance peut s'inverser lorsque les groupes sont combinés
Un traitement peut paraître meilleur dans chaque sous-groupe mais pire globalement.
Trucs de données
4 min · facile
Les avions manquants étaient les plus importants
Si tu ne renforces que les impacts de balles sur les avions qui reviennent, tu risques de protéger aux mauvais endroits.