Programme et résumés (pdf) - Société statistique du Canada

Mardi 30 mai • Tuesday, May 30, 08:30–09:45 101[MS-84]Science, Mathematics, and StatisticsScience, mathématiques, et statistiqueG. Arthur MIHRAM, Princeton, NJ, Danielle MIHRAM, University of Southern CaliforniaWe review our statistical literature dealing particularlywith our relationship to Science. Science isNous examinons notre littérature de statistique qui traiteen particulier de notre rapport avec la science. La sciencethat human activity devoted to the search for the est cette activité humaine consacrée à la recherche devery explanation for (i.e., for the truth about) some l’explication exacte (c.-à-d., la vérité au sujet) d’un phénoparticularnaturally occurring phenomenon. The mène naturel en particulier. La Méthode Scientifique est unScientific Method is a six-stage model-building processus de six étapes pour la construction d’un modèle. Laprocess. Statistical model-building often is sup- construction d’un modèle statistique soutient souvent l’effortportive of the scientist’s effort; yet, we conclude de l’homme de science ; néanmoins, nous concluons avecwith a probabilistic statement regarding any de- une déclaration probabilistique au sujet de n’importe quellesigned experiment, meaning that we necessarily expérience bien conçue, ce qui sous-entend que nécessaifallshort of the goal of Science (viz., providing rement nous faillons à notre obligation envers le but de lathe very explanation). Are there shortcomings of science (à savoir, fournir l’explication exacte). Y a-t-il desmathematics (applied, then pure) to Science? Our imperfections en mathématiques (appliquées, puis pures) parconclusion: Mathematics is neither necessary nor rapport à la Science ? Notre conclusion : Les mathématiquessufficient for Science.ne sont ni nécessaires ni suffisantes pour la Science.Session 05A Mardi 30 mai • Tuesday, May 30, 08:30–09:45 SSC2050Gold Medal AddressAllocution de la médaille d’or[MS-85]Statistical Analysis for Public PolicyL’analyse statistique au service de la politique publiqueDavid ANDREWS, University of TorontoPublic policy is increasingly informed by the statisticalanalysis of studies and administrative data.Policy is guided by measures of the magnitude ofproblems and interventions. To be effective, thesemeasures have to be understood and accepted. Thelargest problem is that of bias.In this lecture, symbolic computation in R is usedto show surprising new and some forgotten resultsabout common statistical procedures. From theseresults follow general principles for statistical analysisfor public policy. These principles are illustratedwith recent health studies.La politique publique est de plus en plus informée parl’analyse statistique d’études et de données administratives.La politique est guidée par des mesures démontrantl’ampleur des problèmes et des interventions. Pour être ef-ficaces, ces mesures doivent être comprises et acceptées. Leplus grand problème est alors celui du biais.Dans cet exposé, le calcul symbolique avec R est utilisé pourmontrer des résultats surprenants, nouveaux et oubliés, surquelques procédures statistiques communes. De ces résul-tats découlent des principes généraux concernant l’analysestatistique en politique publique. Ces principes sont illustrésavec de récentes études sur la santé.SH = Somerville House SSC = Social Science Centre UC = University College