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.