La probabilité est une mesure de la probabilité que quelque chose se produise (ou ne se produise pas). La probabilité de mesure est généralement basée sur le rapport entre la fréquence d'un événement et le nombre de chances d'occurrence. Pensez à jeter un dé: Le numéro un a une chance sur six de se produire sur un lancer donné. La fiabilité, statistiquement parlant, signifie simplement la cohérence. Si vous mesurez quelque chose cinq fois et obtenez des estimations assez proches, votre estimation peut être considérée comme fiable. La fiabilité est calculée en fonction du nombre de mesures - et de mesureurs -.
Calcul de la probabilité
Définir le «succès» de l'événement d'intérêt. Dites que nous sommes intéressés à connaître la probabilité de rouler un quatre sur un dé. Pensez à chaque lancer du dé comme un essai, dans lequel nous "réussissons" (lancer un quatre) ou "échouer" (rouler n'importe quel autre nombre). Sur chaque dé, il y a un visage "succès" et cinq faces "échec". Cela deviendra votre numérateur dans le calcul final.
Déterminer le nombre total de résultats possibles pour l'événement d'intérêt. En utilisant l'exemple de lancer un dé, le nombre total de résultats est de six, car il y a six nombres différents sur le dé. Cela deviendra votre dénominateur dans le calcul final.
Divisez le succès possible sur le total des résultats possibles. Dans notre exemple, la probabilité serait de 1/6 (une possibilité de succès pour six résultats totaux possibles pour chaque résultat du dé).
Calculer la probabilité de plus d'un événement en multipliant les probabilités individuelles. Dans notre exemple, la probabilité de lancer un quatre et de lancer un six sur un jet suivant est le multiple des probabilités individuelles (1/6) x (1/6) = (1/36).
Calculer la probabilité de plus d'un événement en ajoutant des probabilités individuelles. Dans notre exemple, la probabilité de rouler un quatre ou de rouler un six serait (1/6) + (1/6) = (2/6).
Calcul de la fiabilité des mesures multiples
Évaluer le changement de la moyenne. Si nous avons un groupe de cinq personnes et pese chaque personne deux fois, nous nous retrouvons avec deux estimations de poids de groupe (la moyenne ou «moyenne»). Comparer les deux moyennes pour déterminer si la différence entre elles est raisonnablement cohérente ou si les mesures diffèrent sensiblement. Ceci est fait en faisant un test statistique - appelé un test t - pour comparer les deux moyens.
Calculer l'erreur attendue typique, également connue sous le nom d'écart-type. Si nous mesurions 100 fois le poids d'une personne, nous nous retrouverions avec des mesures très proches du poids réel et d'autres plus éloignées. Cette propagation des mesures a une certaine variation attendue et peut être attribuée au hasard, parfois appelé écart-type. Les mesures qui sont en dehors de l'écart-type sont considérées comme étant dues à autre chose que le hasard.
Calculer la corrélation entre deux ensembles de mesures. Dans notre exemple de poids, les deux groupes de mesures peuvent aller de l'absence de valeurs communes (corrélation de zéro) à être exactement les mêmes (corrélation d'un). L'évaluation de la corrélation étroite de deux ensembles de mesures est importante pour déterminer la cohérence des mesures. Une corrélation élevée implique une grande fiabilité des mesures. Pensez à la variabilité qui pourrait être introduite en utilisant différentes échelles à chaque fois ou en faisant en sorte que différentes personnes lisent les échelles. Dans les expériences et les tests statistiques, il est important d'identifier à quel point la variabilité est due au hasard et quelle part est due à quelque chose que nous avons fait différemment dans notre mesure.
