Sommaire

Signification statistique

Cet article est une ébauche concernant les probabilités et la statistique.

Vous pouvez partager vos connaissances en l’améliorant (comment ?) selon les recommandations des projets correspondants.

Sa qualité peut être largement améliorée en utilisant un vocabulaire plus directement compréhensible. Discutez des points à améliorer en page de discussion.

Enstatistiques, le résultat d'études qui portent sur des échantillons de population est dit statistiquement significatif lorsqu'il semble exprimer de façon fiable un fait auquel on s'intéresse, par exemple la différence entre 2 groupes ou une corrélation entre 2 données. Dit autrement, il est alors très peu probable que ce résultat apparent soit en fait trompeur s'il n'est pas dû, par exemple, à un échantillon erroné (en), trop petit ou autrement non représentatif (surtout si la population est très diverse). Cette fiabilité se traduit généralement par des valeurs, différences de valeurs, ou rapports entre valeurs, suffisamment élévées ou au contraire faibles.

Techniquement, on évalue cette fiabilité selon une méthode qui suit le raisonnement suivant : On part de l'hypothèse qu'un résultat soit vrai, ce qu'on nomme l'hypothèse nulle. Et on s'accorde une probabilité, c'est-à-dire ici un risque acceptable, de rejeter cette hypothèse nulle alors qu'elle serait en fait vraie. Ce risque d'erreur (noté ${\displaystyle \alpha }$) est souvent fixé à 5 %, mais parfois à des valeurs bien plus faibles selon les domaines. Enfin, on calcule ce risque-là sur cette étude en particulier (dit valeur poup valeur, de l'anglais p-value), et on dira que l'étude est statistiquement significative si p ≤ α. Récemment, des chercheurs considèrent que les valeurs admises, c'est-à-dire la valeur du ${\displaystyle \alpha }$ sont bien trop élevées notamment dans les domaines études médicales et psychiatriques^{[réf. souhaitée]}.

Histoire[modifier | modifier le code]

Ronald Aylmer Fisher a introduit ce concept en 1925 dans son livre Statistical Methods for Research Workers^[1],[2]. Il a suggéré la probabilité de 0,05 comme seuil pour rejeter l'hypothèse nulle.

Limitation[modifier | modifier le code]

Des recherches récentes montrent qu'un test statistiquement significatif ne correspond à une évidence forte que pour une valeur p de 0,5 % ou même 0,1 %^[3].

En 2016, la société américaine de statistique a publié une déclaration affirmant que « l'utilisation généralisée de la " signification statistique『 (généralement interprétée comme 』p≤0.05 ") comme une licence pour revendiquer une découverte scientifique (ou vérité implicite) entraîne une distorsion considérable du processus scientifique »^[4].

Notes et références[modifier | modifier le code]

Voir aussi[modifier | modifier le code]

• Taille d'effet
• Puissance statistique
• Reproductibilité
• Multiple comparisons problem (en)

v · m Index du projet probabilités et statistiques

Théorie des probabilités Bases théoriques Principes généraux Axiomes des probabilités Espace probabilisable Probabilité Événement Tribu Indépendance Variable aléatoire Espérance Variables iid Convergence de lois Théorème central limite Loi des grands nombres Théorème de Borel-Cantelli Calcul stochastique Marche aléatoire Chaîne de Markov Processus stochastique Processus de Markov Martingale Mouvement brownien Équation différentielle stochastique Lois de probabilité Lois continues Loi exponentielle Loi normale Loi uniforme Loi de Student Loi de Fisher Loi du χ² Lois discrètes Loi de Bernoulli Loi binomiale Loi de Poisson Loi géométrique Loi hypergéométrique Mélange entre statistiques et probabilités Intervalle de confiance Interprétations de la probabilité Bayésianisme Théorie des statistiques Statistiques descriptives Bases théoriques Une statistique Caractère Échantillon Erreur type Intervalle de confiance Fonction de répartition empirique Théorème de Glivenko-Cantelli Inférence bayésienne Régression linéaire Méthode des moindres carrés Analyse des données Corrélation Tableaux Tableau de contingence Tableau disjonctif complet Table de Burt Visualisation de données Histogramme Diagramme à barres Graphique en aires Diagramme circulaire Treemap Boîte à moustaches Nuage de points Graphique à bulles Diagramme en cascade Graphique en entonnoir Diagramme de Kiviat Corrélogramme Graphique en forêt Diagramme branche-et-feuille Heat map Sparkline Paramètres de position Moyenne arithmétique Mode Médiane Quantile Quartile Décile Centile Paramètres de dispersion Étendue Écart moyen Variance Écart type Déviation absolue moyenne Écart interquartile Coefficient de variation Paramètres de forme Coefficient d'asymétrie Coefficient d'aplatissement Statistiques inductives Bases théoriques Hypothèse nulle Estimateur Signification statistique Sensibilité et spécificité Courbe ROC Nombre de sujets nécessaires Valeur p Contraste (statistiques) Statistique de test Taille d'effet Puissance statistique Tests paramétriques Test d'hypothèse Test de Bartlett Test de normalité Test de Fisher d'égalité de deux variances Test d'Hausman Test d'Anderson-Darling Test de Banerji Test de Durbin-Watson Test de Goldfeld et Quandt Test de Jarque-Bera Test de Mood Test de Lilliefors Test de Wald Test T pour des échantillons indépendants Test T pour des échantillons appariés Test de corrélation de Pearson Tests non-paramétriques Test U de Mann-Whitney Test de Kruskal-Wallis Test exact de Fisher Test de Kolmogorov-Smirnov Test de Shapiro-Wilk Test de Chow Test de McNemar Test de Spearman Tau de Kendall Test Gamma Test des suites de Wald-Wolfowitz Test de la médiane Test des signes ANOVA de Friedman Concordance de Kendall Test Q de Cochran Test des rangs signés de Wilcoxon Test de Sargan Application Économétrie Mécanique statistique Jeu de hasard Biomathématique Biostatistique Mathématiques financières

• Portail des probabilités et de la statistique