Citation de Laplanteverte
Par ce qu'il faut que tu puisse quantifier comment A interagis sur B et ton croisement sera aussi solide que ta corrélation AB.
Il faut que tu puisse tester a quel point la proportion de victimes est un indicateur fiable de la proportion d'agresseur dans la population. Et ensuite tu doit t'assurer que l'indicateur ne change pas dans toute des modalités. (certaines communauté par exemple pleuvent faciliter la possibilité du crime et donc un agresseur fait plus de victimes) .
En fait tu dois éliminer ou quantifier les biais sinon tu te base sur du vent. Peut être que c'est 11 reflète 11 agresseurs ou peut être qu'il y en a qu'un pour 11 comme ca on sait pas et aucune hypothèse et plus parcimonieuse qu'une autre. Je peux trés bien diviser par deux sans que ca change quoi que soit et trouver une raison logique .
Idem pour l'indépendance de la religion et de l'agression si tu ne l'a pas prouvé ou quantifié tu ne peux pas la prendre car elle introduira un trop grand biais dans le croisement des données.
imagine t'a un deux groupes A et B de 50 individus chacun je sais qu"il ya 10 traitres repartis dans les deux groupes.
Si les traitres n'ont pas de préférence je devrais en avoir 5 par groupes et avoir 10/100 de traitres dans chaque groupes
Mais si c'est pas le cas que j'ai 6 dans le groupe B ?
Je suis a 12% en B et 8% en A.
T'a vue comment ca grimpe vite ?
si je fais prouvé*prouvé= chiffre mesuré alors je décris la réalité
Si je fais prouvé * arbitraire = chiffre mesuré alors en fait j'essais de modéliser la véracité d'une de mes hypothèse de départ, pour le moment arbitraire avec, ce que je sais .
Si je fais prouvé* arbitraire = chiffre estimé
Je valide rien sur le plan logique mon calcul est juste mais il n'est pas vrais.
car basiquement j'ai deux inconnus et ca reviens a dire que
prouvé = chiffre estimé / arbitraire
donc je peux dire que mon 11 /100 de victimes est fait par 5.5 agresseur qui agressent deux fois , comme 11 agresseur qui agresse une fois les deux scenarios reviendrons aux même suivant mon raisonnement et je ne décris rien. du réel

Ok j’ai complètement saisi mais je trouve ça con qu’il n’existe pas de moyen d’éluder un biais trop influent sur la probabilité de l’hypothèse sous conditions sans pour autant rendre l’hypothèse caduque et intestable, parce que si l’on ne dispose pas de données nécessaires pour le pondérer comme disait petitphallus alors c’est juste mort, dans ce cas même le fait d’exposer le biais et son effet potentiel sur la conclusion tel que je souhaitais le faite, sans parler de le quantifier et encore moins de l’éliminer, ne suffit absolument pas…