# A Priori v. Post Hoc Testing

Vance Berger proposed to consider the problem of post hoc testing via a deck of 52 cards game. If H0 is true, all 52 cards have the same chance to be selected (1/52) and then, if H1 is that the ace has a probability of 1 to show up, then observing a particular ace would lead to a p value of 1/52. Based on a simple case yet, the problem of “inherent multiplicity” occurs.

# Why girls read better than boys and FOX is not THAT bad

Dianne Cook and her colleagues recently published an article in the Annual Review (http://www.annualreviews.org/doi/abs/10.1146/annurev-statistics-041715-033420?src=recsys&) on the different ways to implement statistical graphics in Big Data. Since the 70 and Tukey’s work, exploratory data analysis (EDA) became common among social scientists. Contrary to classical statistical inference, EDA do not necessary require to have specific hypothesis due largely to the enormous amount of data, though this type of analysis can lead later to more formal hypothesis testing. I must confess this preliminary step seduces me much more than generating hypothesis from a random hypothesis generator (which can however be really efficient to show off in society). Let me add that sometimes you can end up learning really different matters if you chose EDA vs. modeling or prediction-based experiments, and I think the Piketty (EDA) vs. Tirole’s (analytical modeling) fight over the new French’s labor law give a good example on how different school can lead to opposite conclusions.

# Why the mean is the best estimator in linear regression?

It might sounds obvious, at first glance, to use mean in most of linear regression we are using and treated outliers in order to avoid the pitfalls of this measure. The use of linear regression has become so mainstream in human and social sciences that this practice seems cast in stone. However, the initial reasons of this is quite straightforward and simple but somehow unknown to some of us.

# ModÉvol (II) : Théorie du signal

Contrairement aux échecs, où toutes les informations sont publiques, les interactions animales et humaines ressemblent beaucoup plus au poker, voire au bridge, où l’accès aux informations et l’éventuelle coopération peut avoir un impact majeur sur le résultat. Et tout comme on peut mentir sur les cartes que l’on possède au poker, et ainsi « bluffer », les signaux mensongers que nous envoyons dans la vie sont en quelque sorte du même acabit informationnel.

Jusqu’à la fin des années 1980, beaucoup de biologistes considéraient que le monde animal et humain était en grande partie fait de signaux peu coûteux et honnête jusqu’à ce que Dawkins et Krebs publient conjointement « Animal signals: informations or manipulation? », tentative de construction d’un modèle montrant qu’au contraire, parce que les animaux partagent des intérêts divergents, les signaux honnêtes devraient être rares. Ils s’opposaient donc frontalement à la théorie du biologiste israélien, Amotz Zahavi, qui, quelques années auparavant, arguaient dans un papier resté célèbre que les caractéristiques coûteuses comme la queue et les ocelles du paon témoignent d’un signal honnête démontrant la qualité du mâle que seul ce dernier pouvait se permettre de produire. A cette époque, la réactance face à cette théorie fut massive puisqu’elle souleva également les doutes de l’éminent John Maynard Smith dans Journal of Theoretical Biology.

# More Guns, Less Crime?

« Si vous êtes chrétiens, vous allez voir Dieu dans une seconde » lança le tueur de l’Oregon, en abattant méthodiquement ses camarades dans l’enceinte même du Campus de l’Université d’Umpqua. Peu après, au cours de ce même mois d’octobre 2015, advenait une autre fusillade dans le nord de l’Arizona, 2h à peine de Tempe, la ville universitaire où j’ai eu la chance de travailler l’an dernier…

Cependant, malgré ces drames surmédiatisés, les statistiques, aux États-Unis et dans le monde, demeurent formelles : les suicides par armes à feu sont bien plus importants que les homicides par armes à feu avec presque deux tiers (64%) des morts par armes à feu relevant des suicides en 2012, soit 20 666 suicides comparés au 11 622 homicides (figure 1) et, en réalité, même les « mass killings » n’expliquent qu’une part infime de ces derniers  (Wintemute, 2015 ; Webster, 2015). Au-delà de la misère humaine, le coût social de ces tragédies s’élève, en 2010, à presque 165 milliard de dollars soit plus de 1% du PIB des États-Unis (World Bank, 2014).

Figure 1 © Annual Review of Public Health, vol. 36, 2015

# ModÉvol (I) : Introduction & Hawk-Dove Game

1.1. Introduction

Le 5 juin 1981, le CDC (Centers for Disease Control), principale agence fédérale de santé publique aux États-Unis, annonce la mort de 5 hommes à Los Angeles, tous décédés suite à une pneumocystose. Le caractère surprenant de ces décès tient au fait que la pneumocystose n’amène que rarement à des cas de décès chez les individus possédant un système immunitaire normal. Depuis ce rapport, le SIDA fut reconnu comme la cause principale de leurs décès et son caractère épidémique a causé la mort de plus de 20 millions de personnes à travers le monde (UN, 2004). Mais comment progresse ce virus ? Voyons ensemble l’évolution intracorporelle de ce dernier en fonction des lymphocytes CD4 supposés défendre l’organisme contre les agressions mais qui deviennent, dans le cas du VIH, les principales victimes du virus (Otto, 2011).

Figure 1 (© Otto & Day, 2007)

Typiquement, le temps d’incubation du virus du VIH pour atteindre sa forme pleine de SIDA prend en moyenne 10 ans la version la plus répandue HIV-1 en Amérique du Nord. Dans la phase aigüe (« acute phase »), la charge virale atteindre un pic qui dure environ 100 jours et correspondant aux symptômes de la grippe. Six semaines après la contamination, les virus particules commencent à diminuer drastiquement : qu’est-ce qui cause ce déclin ? La réponse la plus intuitive était que le système immunitaire commence à reconnaître et éliminer l’hôte infecté. Mais une explication alternative, issue d’un modèle développé par Philipps, proposa que le déclin de l’expansion du virus fût dû au fait que la plupart des cellules CD4+ étaient déjà infectées et qu’il y avait donc moins de cellules hôtes à infecter. Il expliquait donc la dynamique du virus sans avoir recours à la réponse immunitaire : ce résultat illustre le principe de parcimonie. (more…)

# Éloge de la Méta-analyse (I) Quésaco ?

La méta-analyse (MA) est une technique statistique permettant de combiner les recherches de nombreuses études et d’estimer si la variable qui vous intéresse a un effet, sa taille et robustesse. Elle permet la combinaison d’études du mêmes types (expériences de terrain ou de laboratoires) constituant la pluriméthodologie représentative des sciences sociales actuelles (Cumming 2012 ; Poteete, Janssen & Ostrom, 2010). Contrairement à une idée largement répandue, combiner des études de terrains en milieu socioécologique ne constitue pas une sous MA et beaucoup des meilleurs modèles prédictives proviennent de sciences – astronomie, géologie, paléonthologie, biologie évolutionaire, épidémiologie, etc. – utilisant l’observation de terrain (Diamond & Case, 1986 ; Diamond & Robinson, 2010 ; Lilenfeld & Lilenfeld, 1994 ; Mayr, 1976). Ces techniques ne suffisant pas, des approches issues de la modélisation analytique et agent-based permettent, entre autre, la génération d’hypothèses nouvelles, l’explication de phénomènes par principes de parcimonies et le test de de condition socioécologique impossible à reproduire manuellement (McElreath & Boyd, 2008 ; Otto & Day, 2007 ; Poteete, Janssen & Ostrom, 2010) ou simplement stupide à imaginer (si on devait détruire tous les ponts de France pour tester leur résistance sous prétexte que nos ingénieurs civiles avaient la flemme de les modéliser, la société n’irait pas très loin…). C’est pourquoi je proposerai en parallèle de la série d’articles sur les MA, un exposé mensuel sur la modélisation analytique évolutionnaire (agression, altruisme, théorie du signal, sélection sexuelle et homicides par armes à feu). (more…)