Math Says Yes

Terme de glossaire

Échantillon

Le groupe plus restreint que tu mesures réellement, tiré du groupe plus large que tu souhaites étudier.

Intuition visuelle

n=4

n=16

n=64

Bigger samples make the estimate wobble less

Chaque point représente l'estimation d'une cuillère de toute la casserole : les échantillons équitables se dispersent autour de la vérité, et les cuillères plus grandes se dispersent moins.

Exemple

Pour estimer la taille de 10 000 étudiants, tu pourrais mesurer un échantillon aléatoire de 200 d'entre eux et utiliser la moyenne de cet échantillon comme estimation.

Comment ça marche

Tu goûtes une cuillère, pas toute la casserole. Un échantillon fonctionne de la même manière : mesure 1 000 électeurs au lieu de 50 millions, et si la cuillère est tirée équitablement — de manière aléatoire, afin que tout le monde ait une égale — elle reflète l'ensemble de manière surprenante. Le piège réside dans la manière dont il est tiré : un sondage auquel ne répondent que les propriétaires de lignes fixes revient à goûter une casserole remuée par un seul coin.

Concepts

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.

Leçons

Une fenêtre en surbrillance montrant seulement une partie d'un échantillon plus grand et caché.

L'échantillon que tu vois compte

Ta conclusion peut être erronée lorsque les données que tu vois excluent des cas manquants importants.

Un petit échantillon dispersé largement à côté d'un échantillon plus grand regroupé de manière serrée.

Les petits échantillons sont bruyants

Un petit échantillon peut s'éloigner de la vérité par simple chance, tandis qu'un échantillon plus grand élimine cette chance par la moyenne. Cette leçon montre comment la dispersion diminue avec la racine carrée de la taille de l'échantillon et pourquoi les plus petits groupes dominent les extrêmes de tout classement.

Faits associés

Trucs de données

Quelques pièces dispersées largement d'un côté, de nombreuses pièces regroupées de manière serrée de l'autre.

Les plus petites villes dominent à la fois les classements des meilleurs et des pires

Classe des lieux selon n'importe quel taux (cancers, résultats aux examens, criminalité) et les extrêmes seront dominés par les plus petites localités, car de petits échantillons s'écartent fortement du vrai taux par le seul effet du hasard.

Trucs de données

4 min · facile

La silhouette d'un avion recouverte de points représentant des impacts de balles sur les ailes et la queue, les moteurs restant intacts.

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.