Souffrance chez les animaux sauvagesvignette|Une jeune buse à queue rousse mange un campagnol de Californie La souffrance des animaux sauvages est la souffrance vécue par les animaux non humains dans la nature par des causes telles que les maladies, les parasites, les blessures, la famine, les catastrophes naturelles, et la prédation. La souffrance des animaux sauvages a toujours été examinée dans le contexte de la philosophie de la religion comme une instance du problème du mal Plus récemment, un certain nombre de chercheurs ont examiné l'ampleur du problème à partir du point de vue de la philosophie morale et se demandent quelles mesures pourraient être prises pour la prévenir.
Modèle causal de Neyman-RubinLe modèle causal de Neyman-Rubin (ou modèle à résultats potentiels, en anglais potential outcome model) est un cadre de pensée permettant d'identifier statistiquement l'effet causal d'une variable sur une autre. La première version du modèle a été proposée par Jerzy Neyman en 1923 dans son mémoire de maîtrise. Le modèle a ensuite été généralisé par Donald Rubin dans un article intitulé « ». Le nom du modèle a été donné par Paul Holland dans un article de 1986 intitulé « ». Expérience naturelle Méthode des
Causal graphIn statistics, econometrics, epidemiology, genetics and related disciplines, causal graphs (also known as path diagrams, causal Bayesian networks or DAGs) are probabilistic graphical models used to encode assumptions about the data-generating process. Causal graphs can be used for communication and for inference. They are complementary to other forms of causal reasoning, for instance using causal equality notation. As communication devices, the graphs provide formal and transparent representation of the causal assumptions that researchers may wish to convey and defend.
SouffranceLa souffrance, ou la douleur au sens large, est une expérience de désagrément et d'aversion liée à un dommage ou à une menace de dommage chez l'individu. La souffrance est l'élément fondamental qui constitue la valence négative des phénomènes affectifs. La souffrance peut être physique ou mentale, selon qu'elle se rattache principalement à un processus somatique ou psychique dans un organisme. La douleur (comme sensation), la nausée, la détresse respiratoire, et la démangeaison sont des exemples de souffrance physique.
Dilemme biais-varianceEn statistique et en apprentissage automatique, le dilemme (ou compromis) biais–variance est le problème de minimiser simultanément deux sources d'erreurs qui empêchent les algorithmes d'apprentissage supervisé de généraliser au-delà de leur échantillon d'apprentissage : Le biais est l'erreur provenant d’hypothèses erronées dans l'algorithme d'apprentissage. Un biais élevé peut être lié à un algorithme qui manque de relations pertinentes entre les données en entrée et les sorties prévues (sous-apprentissage).
Magnitude (astronomie)vignette|Sources lumineuses de différentes magnitudes. En astronomie, la magnitude est une mesure sans unité de la luminosité d'un objet céleste dans une bande de longueurs d'onde définie, souvent dans le spectre visible ou infrarouge. Une détermination imprécise mais systématique de la grandeur des objets est introduite dès le par Hipparque. L'échelle est logarithmique et définie de telle sorte que chaque pas d'une grandeur change la luminosité d'un facteur 2,5.
Bias (statistics)Statistical bias, in the mathematical field of statistics, is a systematic tendency in which the methods used to gather data and generate statistics present an inaccurate, skewed or biased depiction of reality. Statistical bias exists in numerous stages of the data collection and analysis process, including: the source of the data, the methods used to collect the data, the estimator chosen, and the methods used to analyze the data. Data analysts can take various measures at each stage of the process to reduce the impact of statistical bias in their work.
Magnitude absolueEn astronomie, la magnitude absolue indique la luminosité intrinsèque d'un objet céleste, au contraire de la magnitude apparente qui dépend de la distance à l'astre et de l'extinction dans la ligne de visée. Pour un objet situé à l'extérieur du Système solaire, elle est définie par la magnitude apparente qu'aurait cet astre s'il était placé à une distance de référence fixée à 10 parsecs (environ 32,6 années-lumière) en l'absence d'extinction interstellaire.
Biais médiatiqueUn biais médiatique est une tendance des médias à présenter involontairement les informations, idées ou évènements d'une façon altérée par un apriori ou une conviction. Le phénomène de biais médiatique est connu des attachés de presse, des états-majors du monde politique, et bien entendu des médias eux-mêmes. Il s'ensuit une course au positionnement. Une étude de 2014 analyse l’envergure et les différentes formes de biais médiatiques.
Diagramme de boucle causalevignette|308x308px|Exemple de boucle de rétroaction de renforcement : solde bancaire (bank balance) et intérêts perçus (earned interest) Un diagramme de boucle causale (DBC) est un diagramme qui permet de visualiser comment les différentes variables dans un système sont interdépendantes. Le diagramme se compose d'un ensemble de nœuds et d'arcs. Les nœuds représentent les variables et les arcs les connexions, ou liens de causalités, entre les variables.
