À récupérer et à lire.
Quand j'aurai le temps.
Oui je sais.

Théorème de Glivenko-Cantelli: quand le nombre d'observations augmente, la CDF estimée converge vers la vraie CDF.
Mouais, bon.

Bon, et puis je stocke ce post ici, il semble être un peu incontournable en ce moment, et tout le monde en parle, surtout depuis la présentation de Ben Bolker à l'ISEC à Montpellier. La notion de machisme statistique décrit la tendance à vouloir écraser le lecteur sous un arsenal monstrueux de statistiques compliquées et incompréhensibles. C'est ce bloggeur qui a introduit la notion, et qui est très à la mode en ce moment en écologie.

Comment calculer l'espérance d'une distribution gamma.

Il faut y arrêter avec les méthodes super-compliquées.

Edit: OK, j'ai vu la vidéo, le message est plus nuancé: la question est de savoir si ça vaut vraiment la peine de se lancer dans les nouvelles méthodes à la mode. Du point de vue du statisticien, le développement de nouvelles méthodes est aussi un moyen de publier. Et pour faciliter la publication, il va probablement souligner l'utilité du machin. La question est de savoir si ça vaut vraiment le coût. En fait si c'est une machinerie monstrueuse pour une amélioration de 5%, ce n'est pas la peine ("not worth the trouble"). Et Bolker dit un truc très juste: on passe son temps à se faire emmerder par des référés sur "vous auriez dû utiliiser telle méthode, etc.". Bolker remarque qu'il y a trois types de référés: (i) ceux qui ne connaisse rien aux statistiques et qui ne vont pas nous emmerder là-dessus, (ii) ceux qui s'y connaissent bien, et qui vont relire le matériel stat, juger de la pertinence des choix et accepter ceux qui ne sont légèrement suboptimaux sans forcément bouler le papier, et (iii) ceux qui connaissent suffisamment de stats pour savoir que la méthode X aurait aussi été pertinente, mais pas assez pour savoir que l'application de cette méthode n'aurait apporté qu'une très légère amélioration par rapport aux résultats obtenus. Et ces derniers sont les plus chiants.

Tout ce que vous avez toujours voulu savoir sur la loi binomiale négative sans jamais oser le demander

il existe une différence entre nombres pseudo-aléatoires (ceux que l'on utilise dans R), et nombres quasi-aléatoires, qui construisent les séquences à discrépance faible (la discrépance d'une suite est faible si la proportion des points de la suite sur un ensemble B est proche de la valeur de la mesure de B, ce qui est le cas en moyenne (mais pas pour des échantillons particuliers) pour une suite équidistribuée). On s'en sert parfois pour remplacer les nombres pseudo-aléatoire

Je ne connaissais pas ce concept, qui est le concept opposé à la notion d'indépendance.

Pourquoi il ne faut presque jamais utiliser require pour charger un package. Parce que, basiquement, un require, c'est un try(library()) et que comme on s'en sert pour faire planter une fonction si le package n'est pas présent, autant utiliser library directement, qui plante pour la même raison. Bon, va falloir que je screene mes packages un jour.

Faut vraiment que je me forme à l'ABC, on en entend de plus en plus parler, et sur le principe, ça a l'air intéressant.