> ## Documentation Index > Fetch the complete documentation index at: https://docs.kameleoon.com/llms.txt > Use this file to discover all available pages before exploring further. # Bayesian > Découvrez la méthode statistique Bayesian dans Kameleoon et comment elle calcule la probabilité de battre l'original et la fiabilité des résultats. ## À propos de la méthode Bayesian Contrairement à l'approche Frequentist, qui considère les paramètres que vous souhaitez estimer comme des constantes inconnues, l'approche Bayesian modélise chaque paramètre comme une variable aléatoire. La méthode tire son nom de la règle de Bayes, qui vous permet de calculer des quantités que le cadre Frequentist ne peut pas fournir. La règle de Bayes combine les résultats de votre expérience avec toute information a priori disponible. Cependant, l'A/B testing de Kameleoon utilise par défaut des a priori non informatifs. En choisissant la distribution a priori, vous pouvez exploiter la distribution a posteriori qui en résulte pour calculer des valeurs, telles que la probabilité qu'une variation apporte une amélioration par rapport à l'original. ## Activer la méthode Bayesian Lorsque vous cliquez sur **Résultats** dans le tableau de bord, Kameleoon affiche par défaut la page de résultats classique. Pour activer la méthode statistique Bayesian sur une expérience : 1. Ouvrez l'expérience et cliquez sur l'onglet **Data** dans la barre latérale. 2. Sous **Statistical methods**, cliquez sur **Bayesian**. 3. Cliquez sur **Apply**. La page de résultats affiche ensuite les résultats générés par la statistique Bayesian à la place de la méthode classique. Vous ne pouvez pas accéder à la page de résultats Bayesian si vous redirigez 100 % du trafic vers l'original ou si l'expérience ne compte aucun visiteur. ## La page de résultats Bayesian La structure de la page de reporting Bayesian est similaire à celle de la page de résultats classique. Cependant, certains éléments diffèrent : * De nouveaux indicateurs apparaissent, tels que la probabilité de battre la variation originale et la fiabilité des résultats selon Bayes. * Plusieurs graphiques n'apparaissent pas sur la page, et la page n'affiche que le taux de conversion. ## Définitions ### Probabilité de battre l'original Cette valeur représente la probabilité qu'une variation surperforme la page originale avec un taux de conversion plus élevé pour un objectif donné. Si vous allouez 0 % du trafic à l'original, les variations reçoivent 100 % du trafic et ne sont pas en concurrence avec l'original. Dans ce cas, l'indicateur devient la **Probabilité d'être la variation gagnante**. ### Métriques continues Bayesian Lorsque vous survolez des métriques non binomiales (telles que Revenu par visite/visiteur ou Valeur moyenne du panier), un encart apparaît. Encart affichant les métriques continues Bayesian au survol d'une métrique non binomiale * **Taux d'amélioration :** Cette valeur indique le taux d'amélioration de la métrique. Elle apparaît en vert si elle est positive et en rouge si elle est négative, accompagnée d'un intervalle de crédibilité. * **Probabilité de gagner sur la référence :** Cette valeur indique la probabilité que la variation surperforme la variation de contrôle. Elle apparaît en vert si elle est supérieure au seuil de fiabilité défini dans la configuration ; sinon, elle apparaît en rouge. * **Tableau d'intervalle de crédibilité :** Les valeurs min et max définissent les bornes de l'intervalle de crédibilité autour du taux d'amélioration. Il y a 95 % de chances que le taux d'amélioration se situe entre ces valeurs. Les valeurs apparaissent en vert si elles sont positives et en rouge si elles sont négatives. ## Différences de résultats Les méthodes Bayesian et classique (Frequentist) produisent en principe des résultats équivalents, mais elles ne garantissent pas une sortie identique. Vous pourriez observer des différences entre certains taux, et dans certains cas, les deux méthodes pourraient déclarer des variations différentes comme gagnantes pour la même expérience. Avant de comparer les données entre les deux méthodes, assurez-vous que les niveaux de confiance atteignent leur maximum dans les deux. S'ils sont au maximum et que le doute persiste, utilisez les résultats de la méthode classique. ## Pour aller plus loin Pour plus de détails sur le moteur statistique de Kameleoon, consultez le [document statistique Kameleoon](https://storage.googleapis.com/kameleoon-storage-documentation/user-manual/pdf/statistics-at-kameleoon.pdf).