Download Document d`orientation sur les méthodes statistiques applicables

Transcript
71
Figure 10. — Démonstration graphique des transformations en probits et en logits (d’après Hewlett et Plackett,
1979)
(itération), à l’aide d’une technique des moindres
carrés.
À l’époque des calculatrices mécaniques, les calculs
étaient faisables, mais restaient fastidieux, longs, et ils
donnaient prise à l’erreur. Les itérations étaient
nécessaires parce que les pondérations (valeurs
relatives) des observations étaient initialement
inconnues et dépendaient des paramètres qui n’étaient
pas encore estimés. Le nombre d’individus à chaque
concentration contribue à la pondération. On peut
qualifier le processus de « méthode des moindres carrés
itérativement repondérés » 32 .
32. Ces opérations mathématiques, conçues en raison des
capacités limitées des calculatrices mécaniques, sont assez
complexes. (1) L’ordinateur ajuste grossièrement une droite aux
données brutes, à l’aide des logarithmes de la concentration et des
probits de l’effet. (2) Il « lit » les probits prévus (= % d’effet) sur
la droite grossièrement ajustée. (3) Dans un tableau de constantes,
il recherche les coefficients initiaux de pondération des
observations, d’après les probits prévus, puis affecte ces
coefficients aux observations. (4) Il cherche les probits de travail
d’après les probits prévus et observés. (5) Il ajuste une meilleure
droite, d’après les probits de travail, les coefficients de
pondération et le nombre d’organismes. Cela aboutit à la première
estimation de la CE 50, des limites de confiance et du khi-deux
comme mesure de l’ajustement. (6) Il effectue un autre cycle des
Cette méthode classique, lourde si les calculs sont
effectués à la main, peut être appliquée sans effort par
les ordinateurs. Ce n’est pas une estimation du
maximum de vraisemblance, mais les résultats sont
essentiellement les mêmes ; c’est-à-dire que l’on
« parvient à une solution qui possède un maximum de
vraisemblance » pour l’estimation de la CE 50 et les
étapes 2 à 5, en utilisant les probits de travail (de 4) comme s’ils
étaient des données brutes. Autrement dit, il cherche de nouvelles
valeurs pour les coefficients de pondération et les probits de
travail. (7) le processus 6 se répète tant que les réponses
n’approchent pas d’une valeur stable (« convergent »), et les
calculs finals sont adoptés.
Cet ajustement par les moindres carrés repondérés et réitérés est
une façon de calculer une solution ayant un maximum de
vraisemblance. Parfois le nombre de cycles dépend de la volonté
de l’opérateur, sinon le programme dispose d’un critère intégré
pour interrompre les cycles. Parfois, il suffit de deux ou trois
cycles ; pour les bons ensembles de données, les résultats de
cycles successifs changent peu. Dans le cas de données
irrégulières, il pourrait ne pas y avoir de convergence (absence
d’ajustement convenable) au bout de 20 cycles ; il y aurait peu de
raisons de poursuivre l’ajustement plus loin. Les données
anormales donnent parfois des résultats curieux après une
demi-douzaine de cycles, comme une pente très faible, peu
réaliste, et un large intervalle de confiance, alors que le
programme tente de représenter la gamme des résultats.