📊 𝗣𝗿𝗼𝗯𝗮𝗯𝗶𝗹𝗶𝘁𝗲́ 𝗲𝘁 𝗦𝗶𝗴𝗻𝗶𝗳𝗶𝗰𝗮𝘁𝗶𝗼𝗻 𝗦𝘁𝗮𝘁𝗶𝘀𝘁𝗶𝗾𝘂𝗲 : 𝗖𝗼𝗺𝗽𝗿𝗲𝗻𝗱𝗿𝗲 𝗹𝗮 𝗹𝗼𝗴𝗶𝗾𝘂𝗲 𝗱𝗲𝘀 𝗽-𝘃𝗮𝗹𝗲𝘂𝗿𝘀 📈

L’image illustre comment on décide de rejeter ou non une hypothèse nulle (H₀) en fonction de la probabilité d’obtenir un résultat aussi extrême que celui observé.

---

🔹 𝗤𝘂𝗲 𝗺𝗼𝗻𝘁𝗿𝗲 𝗹𝗲 𝗴𝗿𝗮𝗽𝗵𝗶𝗾𝘂𝗲 ?

1️⃣ La courbe verte représente la distribution sous H₀ : c’est la probabilité des résultats possibles si l’hypothèse nulle est vraie.
2️⃣ Le point rouge correspond à votre résultat observé (valeur expérimentale).
3️⃣ La zone ombrée à droite représente la p-valeur — la probabilité d’obtenir un résultat aussi extrême ou plus extrême que celui observé, sous H₀.
4️⃣ La ligne pointillée verticale indique le seuil de signification statistique (α = 0,05).
➡ Si le point rouge se situe au-delà de cette ligne, p < 0,05 et on rejette H₀.

---

⚠️ 𝗘𝗻 𝗰𝗹𝗮𝗶𝗿, 𝗹𝗮 𝘀𝗶𝗴𝗻𝗶𝗳𝗶𝗰𝗮𝘁𝗶𝗼𝗻 𝘀𝘁𝗮𝘁𝗶𝘀𝘁𝗶𝗾𝘂𝗲 𝗻𝗲 𝘀𝗶𝗴𝗻𝗶𝗳𝗶𝗲 𝗽𝗮𝘀 𝗾𝘂𝗲 𝗹’𝗲𝗳𝗳𝗲𝘁 𝗲𝘀𝘁 “𝗿𝗲́𝗲𝗹” !

✅ Cela signifie que le résultat observé est peu probable sous H₀.
❌ Cela ne veut pas dire que H₀ est fausse avec 95 % de certitude.
❌ Cela n’indique pas la taille ou l’importance pratique de l’effet.

---

🧠 𝗘𝗿𝗿𝗲𝘂𝗿𝘀 𝗮̀ 𝗲́𝘃𝗶𝘁𝗲𝗿

• Erreur de type I (faux positif) : rejeter H₀ alors qu’elle est vraie (risque = α, souvent 5 %).
• Erreur de type II (faux négatif) : ne pas rejeter H₀ alors qu’elle est fausse (risque = β).
• p-hacking : tester à répétition jusqu’à trouver un p < 0,05.

---

📏 𝗕𝗼𝗻𝗻𝗲𝘀 𝗽𝗿𝗮𝘁𝗶𝗾𝘂𝗲𝘀 𝗱’𝗮𝗻𝗮𝗹𝘆𝘀𝗲

✔ Définir α avant l’analyse (souvent 0,05)
✔ Toujours rapporter la p-valeur exacte
✔ Présenter la taille d’effet et l’intervalle de confiance
✔ Vérifier les conditions du test (normalité, indépendance, homogénéité)
✔ Adapter α en cas de tests multiples (Bonferroni, FDR)
✔ Évaluer la puissance statistique (1−β) pour détecter les effets réels
✔ Répéter l’expérience : un seul résultat significatif ne suffit pas

---

💬 En résumé

La p-valeur indique la probabilité d’obtenir vos données (ou plus extrêmes) si H₀ est vraie.
Si cette probabilité est inférieure au seuil choisi (α), on dit que le résultat est statistiquement significatif.
Mais il faut toujours interpréter ce résultat avec prudence, en considérant la taille d’effet, la précision (IC) et le contexte expérimental.

---

---

💬 Utile ? ❤️ Like | 💭 Commente | 🔁 Partage
📈 Rejoins notre formation en économétrie & techniques quantitatives 👉
🔗 https://forms.gle/yZAZimRXbTFbUWZk6

---

#Statistiques #SignificationStatistique #DataScience #pValue #MéthodesQuantitatives