Décisions statistiques : tests de signification vs test d'hyptohèse Flashcards
Qu’est-ce qu’un test de signification ?
Le test de signification refère au fait que les données récoltées comportent de l’information et indiquent quelque chose. Le test de signification donne une valeur de P qui estime la probabilité d’obtenir un test statistique dont la valeur est égale ou supérieure à celle observée. La valeur de P est donc généralement interprétée comme une forme d’évidence contre H0, une faible valeur de P indiquerait qu’un évènement rare s’est produit ou que H0 est fausse et vice-versa.
Qu’est-ce que les erreurs de type 1 et de type 2 ? Quelle est la relation entre les deux erreurs ?
L’erreur de type 1 est comise lorsqu’on rejette l’hypothèse nulle alors qu’elle est vraie (alpha), alors que l’erreur de type 2 est comise lorsqu’on accepte l’hypothèse nulle alors qu’elle est fausse (beta). L’erreur de type 2 est minimisée en maximisant son inverse, la puissance statistiques (1 - beta).
Qu’est-ce que le test des hypothèses et quelles sont ses grandes différences avec le test de signification ?
Une test de signification ne renseigne pas sur la probabilité qu’une hypothèse nulle soit vraie, une haute valeur de P ne constitue pas une évidence en faveur de l’hypothèse nulle, mais signifie plutôt que les données recueillies manquent de significations. Le test d’hypothèse, à défaut de pouvoir estimer que la probabilité qu’une hypothèse nulle soit vraie, défini une règle comportemantale qui vise à contrôler la probabilité de commettre deux types d’erreurs (1 et 2), et ce, dans la situation où une test est répété de manière identique et indépendante à de nombreuses reprises.
