Sélection sur un collisionneur : le biais de Berkson
deux causes indépendantes deviennent dépendantes dans la population sélectionnée
1 · LE MÉCANISME
$$T\perp\!\!\!\perp L,\qquad S=\mathbb 1\{T+L\gt s\}$$
$$p(t,l\mid S=1)\propto p(t)\,p(l)\,\mathbb 1\{t+l\gt s\}\quad\Longrightarrow\quad T\not\perp\!\!\!\perp L\mid S=1$$
2 · À TOI : DÉPLACE LE SEUIL DE SÉLECTION
population : talent T et beauté L — clique pour placer la droite T + L = s
critère : corrélation de T et L parmi les sélectionnés
Orange : individus sélectionnés (T + L > s) et leur droite de régression. Gris : toute la population, où la pente est nulle. Courbe : corrélation théorique, découverte là où tu passes ; point : corrélation empirique.
3 · RAPPELS
- Avec \(U=T+L\) et \(V=T-L\), indépendants et de variance 2, la sélection ne porte que sur \(U\) : $$\operatorname{corr}(T,L\mid U\gt s)=\frac{v_U-2}{v_U+2},\qquad v_U=\operatorname{Var}(U\mid U\gt s)\lt 2 .$$
- Plus la sélection est sévère, plus la corrélation est négative : elle tend vers −1 quand s augmente, vers 0 quand presque tout le monde est retenu.
- Explication concurrente (explaining away) : parmi les stars, savoir qu'une personne a peu de talent fait prévoir qu'elle est belle, puisqu'il a bien fallu franchir le seuil.
- Même mécanisme : patients hospitalisés (Berkson, 1946), articles publiés, candidats admis. Une base de données filtrée par une conséquence commune crée des corrélations parasites.
- Sur le graphe : le chemin T → S ← L est bloqué tant que S n'est pas conditionné ; sélectionner l'ouvre.