Calculateur de valeur p
Calculateur de valeur p
Outil de test d'hypothèse
Pour un grand échantillon ou un écart type de population connu.
Pour un petit échantillon lorsque l'écart type de la population est inconnu.
Comprendre les valeurs p
Une valeur p traduit une statistique de test en une seule probabilité, vous indiquant à quel point vos données seraient surprenantes s'il n'y avait vraiment aucun effet — le pilier du test d'hypothèse statistique.
La valeur p est la probabilité, sous l'hypothèse nulle, d'observer une statistique de test au moins aussi extrême que celle que vous avez calculée. C'est une mesure de surprise, pas une preuve — une petite valeur p signifie que vos données seraient inhabituelles si l'hypothèse nulle était vraie, ce qui est une preuve contre elle, mais cela ne dit rien sur la taille ou l'importance d'un effet.
Un test bilatéral vérifie une différence dans l'une ou l'autre direction et constitue le choix par défaut le plus sûr. Un test unilatéral ne vérifie qu'une direction spécifique, ce qui produit une valeur p plus petite pour le même score — il doit être choisi pour une raison fondée avant de voir les données, jamais après.
Les formules
À partir d'un score Z
À partir d'un score T (dl degrés de liberté)
Où Φ est la CDF normale standard, Ft est la CDF t de Student, et k = 1 pour un test unilatéral ou k = 2 pour un test bilatéral.
Interpréter le résultat
La plupart des domaines utilisent un seuil de signification conventionnel — communément α = 0,05 — choisi avant l'analyse. Si votre valeur p tombe en dessous de ce seuil, le résultat est généralement qualifié de « statistiquement significatif » et l'hypothèse nulle est rejetée ; sinon, vous ne parvenez pas à la rejeter. Cela ne signifie pas que l'hypothèse nulle est prouvée vraie lorsque la valeur p est grande, seulement que les données n'ont pas fourni de preuve suffisamment solide contre elle. L'onglet Score Z convient aux grands échantillons ou à un écart type de population connu, tandis que l'onglet Score T tient compte de l'incertitude supplémentaire des petits échantillons via les degrés de liberté que vous fournissez.
Le niveau de signification le plus largement utilisé, bien qu'il s'agisse d'une convention, pas d'une règle universelle.
Une valeur p bilatérale est simplement le double de la valeur unilatérale pour le même score.
Un dl plus faible élargit les queues de la distribution t, produisant des valeurs p plus grandes que l'approximation normale.
Points clés à retenir
- Une valeur p mesure la surprise sous l'hypothèse nulle, pas la probabilité que l'hypothèse nulle soit vraie.
- Choisissez unilatéral vs. bilatéral avant de voir vos données, selon qu'une seule direction d'effet est significative.
- Utilisez l'onglet Score T pour les petits échantillons — les queues plus lourdes de la distribution t tiennent compte de l'incertitude supplémentaire liée à l'estimation de la variabilité à partir de données limitées.
- Besoin du score z sous-jacent ou d'un intervalle de confiance ? Le Calculateur de score Z et le Calculateur d'intervalle de confiance couvrent directement ces calculs.
Questions fréquemment posées
- Choisissez l'onglet Score Z si vous avez déjà un score z (grand échantillon ou écart type de population connu), ou l'onglet Score T si vous avez un score t et devez fournir les degrés de liberté.
- Saisissez le score (et les degrés de liberté, pour l'onglet Score T).
- Choisissez Unilatéral ou Bilatéral dans le menu déroulant.
- Cliquez sur « Calculer » pour voir la valeur p résultante.
Une valeur p est la probabilité d'observer une statistique de test au moins aussi extrême que celle que vous avez calculée, en supposant que l'hypothèse nulle est vraie. Une petite valeur p signifie que votre résultat observé serait improbable s'il n'y avait vraiment aucun effet, ce qui est considéré comme une preuve contre l'hypothèse nulle. Une valeur p ne vous indique pas la probabilité que l'hypothèse nulle soit vraie, ni la taille ou l'importance d'un effet — elle mesure seulement à quel point vos données seraient surprenantes sous l'hypothèse nulle.
Un test bilatéral demande si votre statistique est inhabituellement éloignée de zéro dans l'une ou l'autre direction, et constitue le bon choix par défaut lorsque vous n'avez pas de forte attente préalable concernant la direction d'un effet. Un test unilatéral demande si votre statistique est inhabituellement éloignée dans une direction spécifique seulement, et ne devrait être utilisé que lorsque la direction opposée est vraiment sans rapport avec votre question — il produit une valeur p plus petite pour le même score, il doit donc être choisi avant de regarder les données, pas après, pour éviter de gonfler la signification.
Les degrés de liberté (dl) capturent la quantité d'information restante pour estimer la variabilité une fois que vos statistiques d'échantillon ont été calculées — communément dl = n − 1 pour un test t à un échantillon de taille n. Un dl plus petit signifie une distribution t avec des queues plus lourdes que la distribution normale, donc le même score t produit une valeur p plus grande (moins significative) qu'il ne le ferait sous un test z. À mesure que dl augmente, la distribution t converge vers la normale standard.
Un seuil de signification (communément appelé α, souvent fixé à 0,05) est un seuil choisi avant l'analyse : si la valeur p tombe en dessous, le résultat est appelé « statistiquement significatif » et l'hypothèse nulle est rejetée. Ce n'est qu'une convention, pas une loi de la nature — 0,05 signifie que vous vous attendriez à voir un résultat aussi extrême purement par hasard environ 1 fois sur 20, même s'il n'y a vraiment aucun effet, donc le seuil devrait être choisi en fonction des enjeux de la décision concernée.
Les valeurs p à partir du score z utilisent la fonction de répartition cumulative normale standard (CDF), calculée ici à partir d'une approximation rationnelle de la fonction d'erreur (erf). Les valeurs p à partir du score t utilisent la CDF de la distribution t de Student, calculée via la fonction bêta incomplète régularisée — une technique numérique standard et bien testée, précise à environ six décimales, plus que suffisante pour tout cas d'usage statistique pratique.