10 février 2006
Ce document est lié à :
info:eu-repo/semantics/reference/issn/0987-6936
Ce document est lié à :
info:eu-repo/semantics/reference/issn/1950-6821
All rights reserved , info:eu-repo/semantics/openAccess
Jean-Marc Bernard et al., « L'analyse implicative bayésienne : une méthode pour l'étude des dépendances orientées. 1.Données binaires », Mathématiques et sciences humaines, ID : 10.4000/msh.2727
La réussite à l'épreuve A implique-t-elle, approximativement, la réussite à l'épreuve B ? Parmi les indices descriptifs proposés pour mesurer de telles dépendances orientées, nous considérons l'indice H de Loevinger, qui s'exprime simplement en termes des taux de liaison entre modalités. A partir de cet indice, nous définissons les notions de quasi-implications, de quasi-équivalence et de quasi-indépendance dans un tableau de contingence 2 < 2. Cependant, les méthodes inductives correspondantes, parce que fondées sur des raisonnements asymptotiques, ne fournissent pas d'énoncé valide, ni pour les données de faible taille, ni, paradoxalement, pour les cas où le modèle logique est presque parfaitement vérifié. L'approche bayésienne de l'inférence évite ces difficultés et conduit à des énoncés sur la grandeur des quasi-implications et autres relations de ce type. La méthode proposée, l'Analyse Implicative Bayésienne (AIB), constituée de ces deux volets (descriptifs et inductif), est illustrée sur une expérience de Psychologie du Développement relative à la construction du nombre chez l'enfant.