Le modèle statistique de la formule de wilks n’est pas acceptable car elle ne tient compte que d’un individu par catégorie de poids et non un échantillon d’athlète par catégorie.
Il est claire qu’un modèle statistique (effectuer pour des sondage, maladie génétique, audimats...) est effectuer sur des échantillons très importante de populations (de 1000a 10000 personnes selon la demande fait au institue (INSEE au autre) et le degré de vraisemblances envisagé).Ensuite et seulement ensuite on peux le généralise a un échantillon plus important.
Ainsi comme le préconise Dr. Mel C. Siff il aurais été impératif de faire une moyenne sur 10a 50 individu par catégorie de poids avant de généralise cette formule a tous les powerlifteur. « j'ai fait la moyenne des 6 ou 10 meilleures performances jamais réalisés dans toutes les catégories et j'ai utilisé les poids de corps réels des powerlifters au lieu des limites supérieures des catégories (plus de détails dans "Supertraining" mai 1999). »
De plus la formule de Wilks comme chacun sait a été établis sur la meilleur performances mondial pour chaque année depuis le 1er chanpionats.
Par ailleurs cette formule est inappropriée aux athlètes de niveau intermédiaire et aux débutants. Car comme chacun sait il faudra beaucoup plus de temps pour un athlète lourd d’arriver à un niveau confirmé que pour un athlète plus léger.
Encore un problème de la formule de wilks elle se base sur la meilleur perfs de chaque année depuis le premier championnats. Or l'apparition des combinaisons permet d'accroître ses performances et rende obsolète les perfs passé .Aussi les techniques d'entraînement se sont amélioré.
Donc je ne voit pas pourquoi on tant encore compte des perfs passés.
Deux raisons pour que la formule de Wilks fonctionne :
-Car par chance le modèle statistique prit sur un échantillon plus important et semblable a celui de wilks.
Sinon il me semble que l’auteur de la formule a aucunement analysé les donnés qu’il avais et a choisis pour ne pas se foulé un polynôme d’ordre 5 comme modèle de régression.