Calculateur de Valeur p

Calculez la signification statistique et visualisez les régions de rejet sur la distribution

La valeur p est la probabilité d'obtenir une statistique de test aussi extrême que celle observée — ou plus extrême — en supposant que l'hypothèse nulle est vraie. Une petite valeur p signifie que les données sont peu probables sous H₀, vous donnant des raisons de la rejeter.

Le seuil le plus courant est α = 0,05 : si p < 0,05, le résultat est dit statistiquement significatif au niveau de confiance de 95 %. Des domaines plus stricts utilisent α = 0,01 ou même 0,001. La valeur p ne vous dit pas la probabilité que H₀ soit vraie — elle mesure seulement dans quelle mesure les données sont surprenantes sous cette hypothèse.

Ce calculateur prend en charge les tests z, tests t, tests du chi-deux et tests F. Entrez votre statistique de test et les degrés de liberté (si nécessaire), et l'IA calculera la valeur p, ombrera la région de rejet sur la courbe de distribution et expliquera s'il faut rejeter H₀.

Sujets liés

Calculateur de test tCalculateur d'intervalle de confianceCalculateur de loi normale
Qu'est-ce qu'une valeur p ?
La valeur p est la probabilité d'observer une statistique de test aussi extrême que celle calculée à partir de votre échantillon, en supposant que l'hypothèse nulle (H₀) est vraie. Une très petite valeur p signifie que le résultat observé serait très improbable si H₀ était vraie — ce qui constitue une preuve contre H₀. Ce n'est pas la probabilité que H₀ soit vraie ou fausse.
Que signifie p < 0,05 ?
Lorsque p < 0,05, il y a moins de 5 % de probabilité que le résultat observé soit dû au seul hasard sous H₀. Par convention, c'est appelé statistiquement significatif. Cependant, la signification n'implique pas l'importance pratique — un grand échantillon peut rendre un effet infime statistiquement significatif. Rapportez toujours la taille d'effet avec la valeur p.
Quelle est la différence entre un test unilatéral et bilatéral ?
Un test bilatéral vérifie une différence dans l'une ou l'autre direction (H₁ : μ ≠ μ₀) et répartit α sur les deux queues. Un test unilatéral vérifie une direction spécifique (H₁ : μ > μ₀ ou μ < μ₀) et place tout α dans une queue. Utilisez le test unilatéral uniquement si vous aviez une hypothèse directionnelle avant la collecte des données ; sinon utilisez le test bilatéral pour éviter de gonfler artificiellement la puissance.
Quels sont les niveaux de signification courants ?
Le niveau le plus utilisé est α = 0,05 (5 %). Des normes plus strictes incluent α = 0,01 (1 %) utilisé en recherche médicale, et α = 0,001 (0,1 %) utilisé en physique des particules (la norme des « cinq sigma »). Le choix de α doit être effectué avant la collecte des données en fonction du coût des erreurs de Type I (faux positifs) dans votre domaine.
Comment interpréter la région de rejet ?
La région de rejet est l'ensemble des valeurs de la statistique de test qui conduiraient à rejeter H₀. Elle correspond aux valeurs les plus extrêmes sous la distribution nulle — les queues ombrées. Si votre statistique de test observée tombe dans la région de rejet (équivalemment, si p < α), vous rejetez H₀. L'IA trace cette région sur la distribution pour que vous puissiez voir exactement où se situe votre statistique.
Quelle est la différence entre une valeur p et un intervalle de confiance ?
Une valeur p fournit une aide à la décision binaire : rejeter ou ne pas rejeter H₀. Un intervalle de confiance (IC) donne une plage de valeurs plausibles pour le paramètre, portant plus d'information. Ils sont mathématiquement liés : un IC à 95 % pour un paramètre exclut la valeur nulle si et seulement si la valeur p bilatérale < 0,05. La plupart des statisticiens recommandent de rapporter les deux.