Actualités
RésuméLe traitement statistique des données issues d’études neuropsychologiques de cas unique est un aspect fondamental dans le processus de validation de modèles de la cognition humaine. Pour déterminer si un individu présente des performances anormales au regard de celles présentées par un groupe...
Guardado en:
| Autor principal: | |
|---|---|
| Formato: | Article ou chapitre numérique |
| Lenguaje: | Français |
| Publicado: |
2010
|
| Acceso en línea: | Accès Université d'Orléans et IFPM Accès Université d'Orléans et IFPM |
| Sumario: | RésuméLe traitement statistique des données issues d’études neuropsychologiques de cas unique est un aspect fondamental dans le processus de validation de modèles de la cognition humaine. Pour déterminer si un individu présente des performances anormales au regard de celles présentées par un groupe témoin, ou pour détecter la présence de dissociations dans ses performances, toujours au regard de celles présentées par un groupe témoin, on utilise très largement des scores standardisés en considérant les statistiques d’échantillon comme des paramètres populationnels. Lorsque la taille de l’effectif du groupe témoin est faible (n < 15) cela conduit à augmenter la probabilité de commettre une erreur de type I. Augmentation qui sera d’autant plus importante si un faible n est associé à d’autres caractéristiques, comme par exemple une distribution asymétrique des performances du groupe témoin. Nous présentons dans cet article une recension non exhaustive de différentes solutions, relativement récentes, permettant de minimiser la probabilité de commettre une erreur de type I tout en préservant une puissance statistique acceptable. |
|---|