Méthodes statistiques applicables aux petits échantillons

Valider une hypothèse dans le domaine de la recherche ou bien, dans un panel de décisions possibles et choisir la meilleure sont les préoccupations essentielles des chercheurs et autres praticiens de haut niveau. Lorsqu'ils disposent d'un grand nombre de données statistiques, les risques d'erreur de jugement sont faibles. Il en va tout autrement quand l'échantillon est de petite taille car des hypothèses sous-jacentes telles que la nature de la distribution, préalables à l'utilisation des tests usuels, ne peuvent être justifiées. Cette lacune peut conduire à une conclusion non validée ou tout au moins contestable et rend l'utilisation des tests non paramétriques incontournable.

Un des intérêts et non des moindres de certains tests non paramétriques, est de mettre en évidence l'existence de liens de concordance ou de discordance entre facteurs lorsque l'on ne peut dégager, aux aléas près, des relations fonctionnelles entre ces dits facteurs. Dans la première partie de ce livre, sont présentées, pour chaque type d'analyse, la ou les méthodes qui peuvent être utilisées ainsi que des applications dont les supports thématiques sont extraits de travaux de recherche publiés. Le champ très varié de ces applications permet aux lecteurs (étudiants d'Ecole de commerce, étudiants en Master d'économie, de Finance, de Marketing, de Psychologie, ...) de raisonner de façon inductive afin de résoudre rapidement les problèmes auxquels ils sont confrontés.

La seconde partie de l'ouvrage concerne un public plus restreint de statisticiens issus de filières mathématiques (chercheurs, économètres). Y sont présentées les justifications référencées des procédures exposées dans la première partie. Des extensions de tests fondamentaux tels que ceux de MacNemar ou Bloomqvist sont également présentées.

En fin d'ouvrage sont rappelés les concepts fondamentaux et les théorèmes essentiels qui y sont rattachés.