Méthodes de statistiques applicables aux petits échantillons

« Valider une hypothèse en recherche ou choisir la meilleure décision parmi plusieurs options constitue une préoccupation majeure pour les chercheurs et les praticiens. Quand ils ont accès à un grand volume de données statistiques, ils prennent des décisions éclairées avec moins de risques d’erreur. En revanche, lorsque l’échantillon est petit, les hypothèses sous-jacentes, comme la nature de la distribution, deviennent difficiles à justifier avant d’utiliser les tests habituels. Cette situation peut entraîner des conclusions non validées ou contestables, rendant l’utilisation de tests non paramétriques indispensable.

Un des grands atouts de certains tests non paramétriques réside dans leur capacité à révéler des liens de concordance ou de discordance entre des facteurs, surtout quand il est impossible d’établir des relations fonctionnelles claires entre eux. Dans la première partie de ce livre, nous présentons pour chaque type d’analyse les méthodes applicables, accompagnées d’exemples tirés de recherches publiées. Ces diverses applications permettent aux lecteurs, qu’ils soient étudiants en école de commerce ou en master d’économie, de finance, de marketing ou de psychologie, de raisonner de manière inductive et de résoudre rapidement les problèmes auxquels ils font face.

La seconde partie s’adresse à un public plus restreint de statisticiens issus de filières mathématiques, tels que des chercheurs et économètres. Nous y exposons les justifications référencées des procédures discutées dans la première partie, ainsi que des extensions de tests fondamentaux, comme ceux de MacNemar ou Bloomqvist. Enfin, nous rappelons les concepts de base et les théorèmes clés associés à ces méthodes. Vous êtes invités à plonger dans ces réflexions et à explorer le contenu enrichissant de cet ouvrage. »