Bruit, erreur, anomalie et incertitude dans les données
Résumé
Les données collectées sont systématiquement soumises à des perturbations de diverses natures,
depuis le bruit de mesure de capteurs jusqu’aux erreurs de saisie. Le premier objectif de cette
présentation est de dresser un panorama des perturbations fréquemment rencontrées et de leur
impacts sur les données et les analyses qui en découlent. Il s’agira de montrer comment une typologie
des perturbations peut guider l’analyste dans le choix de méthodes et de stratégies permettant de
limiter l’impact négatif de ces perturbations. Ce panorama des perturbations sera complété par un
panorama des méthodes de détection et de correction de celles-ci. Le second objectif de la présentation
sera de montrer l’importance d’une modélisation conjointe des perturbations et des données pour
l’obtention de résultats robustes, en particulier grâce aux méthodes bayésiennes. Celles-ci seront
illustrées sur des exemples simples traités avec le logiciel Stan (https://mc-stan.org/) utilisé avec R. .