« Mathématiques avec Python et Ruby/Statistique inférentielle avec Python » : différence entre les versions

La simulation permet de prendre lale problème à l'envers, en créant un modèle qui se comporte comme l'échantillon qu'on observe, et en estimant les probabilités difficiles à calculer par des fréquences. Il arrive que, de ces simulations, on puisse inférer (on est là pour ça) des conjectures, qui serviront à élaborer les algorithmes de test ou d'estimation. Certes, dire ''on prend 2 parce que la simulation a suggéré que, pour 2, la probabilité est de 0,95'', ce n'est pas très mathématique, mais la théorie qui disait elle aussi ''on prend 1,96; concrètement 2'' est très souvent basée sur des approximations normales de lois compliquées. On va donc expérimenter et observer sans expliquer ce qu'on observe, mais en se servant de ces observations pour expliquer pourquoi les statisticiens font comme ci et pas comme ça.