Mardi 24 mars 2015 - 14h à 17h 
I3S, Salle de conférence 
Intervenant : Patricia Reynaud-Bouret

En neurosciences ( et dans beaucoup d’autres domaines), les scientifiques se posent des questions fondamentales auxquelles on ne peut répondre que par oui ou non. Par exemple, le sujet fait-il deux fois la même chose ? les différents neurones qu’on peut enregistrer au cours de cette tâche se comportent-ils de manière indépendantes ou pas ?

Pour y répondre, ils réalisent une expérience dont le résultat est aléatoire. L’aléa peut être grand ou petit. Si il est trop grand, personne ne saura conclure. Si il est très faible, on pourra voir le résultat à l’oeil nu. Si il est modéré, il faut alors une procédure statistique bien définie : le test. Mais le statisticien effectuant un test ne peut répondre simplement oui ou non : il faut qu’il quantifie simultanément l’erreur commise dû à l’aléa. Certains de ces tests sont très populaires : test du chi-deux, test du student, test d’adéquation (plus connu sous son nom anglais de "goodness-of-fit").

De manière générale, que veut dire exactement un test statistique ? Comment quantifie-t-il l’erreur sur sa réponse ? Ce n’est qu’en comprenant ces enjeux que l’on peut éviter les pièges classiques lorsqu’on réalise par exemple plusieurs tests simultanément (tests multiples).

Tout cela sera illustré sur des situations concrètes provenant de l’analyse des séries de potentiels d’action (trains de spikes) : test d’égalité des taux de décharge, test d’indépendance des trains de spikes, tests d’adéquation à un modèle.

 
Mots clés
MTCNSC



Début de la vidéo
Cochez la case pour indiquer le début de lecture souhaité.