Longtemps rejetée à cause de sa complexité de calcul la statistique bayésienne revient en force.

Il y avait aussi la prise en compte à l’origine de l’à priori de la méthode bayésienne, ça ne plaisait pas. Tenir compte de la nuit et du jour est un à priori. La plupart des à priori ne découlent pas d’un calcul formel mais de la connaissance du sujet, ça dérange. Dans le fréquentisme l’à priori n’est pas formalisé mais est bien présent. Le fait de faire une étude ou pas est un à priori non formalisé. Un à priori en stats bayésiennes est pris en compte il y a des choses auquelles on doit s’attendre. En stats fréquentistes une étude sur la culture d’abricots en Antarctique peu passer mathématiquement tant qu’ils y a des données, en stats bayésiennes à priori des abricots en Antarctique il y en a pas des masses.

En diagnostique j’ai employé pas mal la vision bayésienne, j’ai eu jusqu’à 32 paramètres, au niveau calcul de corrélation style fréquentiste on est dans les choux avec du temporel et des matières différentes.

Avant d’avoir des moyens de calculs (une simple calculatrice programmable) j’employais la méthode du curseur de Turing.

Au sujet des essais randomnisés en double aveugle :

Dans les années 80 aux USA aux personnes qui avaient eu un infarctus on donnait de la flecainide en prévenif pour éviter les extrasystoles ventriculaires. Il y avait un consensus des cardiologues. Jusqu’à que quelqu’un fasse une étude randomnisée en double aveugle qui démontra que ce traitement avait fait plus de victimes que la guerre du Vietnam. Après on s’étonne que certains soit très à cheval sur l’étude randomnisée en double aveugle. Tout les étudiants en épidémiologie connaissent cette étude.

L’étude en question : 

https://www.nejm.org/doi/full/10.1056/NEJM199103213241201