Correction de Bonferroni
Cet article est une ébauche concernant les probabilités et la statistique.
Vous pouvez partager vos connaissances en l’améliorant (comment ?) selon les recommandations des projets correspondants.
En statistiques, la correction de Bonferroni est une méthode pour corriger le seuil de significativité lors de comparaisons multiples. La correction de Bonferroni est la méthode de correction la plus simple, bien qu'elle soit conservatrice étant donné qu'elle présente un risque conséquent d'erreur de type II. En effet, cette méthode ne prend pas en compte quelques informations, comme la distribution des valeurs p des différentes comparaisons.
La mathématicienne et statisticienne américaine Olive Jean Dunn (1915–2008) a travaillé sur la notion d'intervalle de confiance en biostatistique et développé une solution au problème de comparaisons multiples (en), connue aujourd'hui sous le nom de correction de Bonferroni[1],[2],[3],[4].
Cette méthode de correction porte le nom du mathématicien italien Carlo Emilio Bonferroni (1892-1960), bien qu'il n'en soit pas l'auteur (ainsi, c'est un exemple de la loi de Stigler).
Références[modifier | modifier le code]
- (en) Jeremy Miles et Philip Banyard, Understanding and using statistics in psychology : a practical introduction : or, how I came to know and love the standard error, Los Angeles, SAGE Publications, , repr. éd., 356 p. (ISBN 978-0-7619-4397-6).
- (en) Olive Jean Dunn, « Confidence intervals for the means of dependent, normally distributed variables », Journal of the American Statistical Association, vol. 54, no 287, , p. 613–621 (DOI 10.1080/01621459.1959.10501524, JSTOR 2282541).
- (en) Olive Jean Dunn, « Estimation of the medians for dependent variables », Annals of Mathematical Statistics, vol. 30, no 1, , p. 192–197 (DOI 10.1214/aoms/1177706374, JSTOR 2237135).
- (en) Olive Jean Dunn, « Multiple comparisons among means », Journal of the American Statistical Association, vol. 56, no 293, , p. 52–64 (DOI 10.1080/01621459.1961.10482090, JSTOR 2282330).
