vignette|statistique En statistiques, 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 , 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 ) 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 p ou p 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 sont bien trop élevées notamment dans les domaines études médicales et psychiatriques. Ronald Aylmer Fisher a introduit ce concept en 1925 dans son livre Statistical Methods for Research Workers. Il a suggéré la probabilité de comme seuil pour rejeter l'hypothèse nulle. 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 %. 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.

À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Cours associés (33)
MATH-232: Probability and statistics (for IC)
A basic course in probability and statistics
BIO-449: Understanding statistics and experimental design
This course is neither an introduction to the mathematics of statistics nor an introduction to a statistics program such as R. The aim of the course is to understand statistics from its experimental d
CS-401: Applied data analysis
This course teaches the basic techniques, methodologies, and practical skills required to draw meaningful insights from a variety of data, with the help of the most acclaimed software tools in the dat
Afficher plus
Séances de cours associées (150)
Session interactive : Stratégies d’apprentissage et réflexion cognitive
Plonge dans les stratégies d'apprentissage, la réflexion cognitive et l'impact de l'enseignement sur la performance des élèves.
Interactions mécanosensorielles chez la drosophile
Plonge dans les interactions mécanosensorielles conduisant le comportement collectif chez la drosophile, explorant les réponses aux odeurs, les mouvements de groupe et les réactions déclenchées par le toucher.
Pièges dans la recherche empirique sur la PNL
Explore les pièges de la recherche en PNL, en soulignant l'importance des mesures normalisées et des tests statistiques.
Afficher plus
Publications associées (544)

“But of course i’m going to look happy” or “He needed to know I was angry”? Comparing use of emotional labour in teamwork in engineering and hospitality students

Roland John Tormey, Nihat Kotluk

Being able to work effectively in a team is a vital professional skill but how do students in different disciplines, engineering and hospitality, display their emotions when working together? We investigated their self-reported use of emotional labour stra ...
EAPRIL - European Association for Practitioner Research on Improving Learning2024

Quantitative T2 Mapping of Acute Pancreatitis

Tom Hilbert, Giulia Piazza

Background: Quantification of the T2 signal by means of T2 mapping in acute pancreatitis (AP) has the potential to quantify the parenchymal edema. Quantitative T2 mapping may overcome the limitations of previously reported scoring systems for reliable asse ...
Hoboken2024

Squalene Depletion in Skin Following Human Exposure to Ozone under Controlled Chamber Conditions

Shen Yang

A major component of human skin oil is squalene, a highly unsaturated hydrocarbon that protects the skin from atmospheric oxidants. Skin oil, and thus squalene, is continuously replenished on the skin surface. Squalene is also quickly consumed through reac ...
Amer Chemical Soc2024
Afficher plus
Concepts associés (29)
Valeur p
vignette|redresse=1.5|Illustration de la valeur-p. X désigne la loi de probabilité de la statistique de test et z la valeur calculée de la statistique de test. Dans un test statistique, la valeur-p (en anglais p-value pour probability value), parfois aussi appelée p-valeur, est la probabilité pour un modèle statistique donné sous l'hypothèse nulle d'obtenir une valeur au moins aussi extrême que celle observée. L'usage de la valeur-p est courant dans de nombreux domaines de recherche comme la physique, la psychologie, l'économie et les sciences de la vie.
Hypothèse nulle
En statistiques et en économétrie, l'hypothèse nulle (symbole international : ) est une hypothèse postulant l'égalité entre des paramètres statistiques (généralement, la moyenne ou la variance) de deux échantillons dont elle fait l’hypothèse qu'ils sont pris sur des populations équivalentes. Elle est toujours testée contre une hypothèse alternative qui postule soit la différence des données (test bilatéral), soit une inégalité (plus petit que ou plus grand que) entre les données (test unilatéral).
William Gosset
William Sealy Gosset (1876-1937) connu sous le pseudonyme Student est un statisticien anglais. Embauché par la brasserie Guinness pour stabiliser le goût de la bière, il a ainsi inventé le test de Student. Le test de Student est aujourd'hui utilisé de manière standard pour mettre en évidence une éventuelle différence entre deux échantillons ou tester la nullité d'un paramètre (p. ex. un coefficient d'une régression linéaire). William Gosset est né à Canterbury en 1876. Il est le fils aîné d'Agnes Sealy Vidal et du colonel Frederic Gosset.
Afficher plus

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.