Introduction au test d'hypothèse
Comprends la logique à tous les tests statistiques
Présentation
Un test d’hypothèse est un outil de travail qui permet de prendre une décision sur la base de valeurs numériques. Il s’agit d’une séquence d’étapes, toujours la même, qui permet de justifier un choix à l’aide de valeurs chiffrées. Pour que cela soit possible, on commence donc par quantifier la chance de se tromper dans le choix qu’on fait. Il suffit ensuite de faire un choix en cherchant à minimiser cette probabilité.
Pourquoi utiliser un test d'hypothèse
Dans la vie, on prend parfois des décisions arbitraires. Est-ce que je prends le train ou la voiture ? Est-ce que je mets une veste ou un pull ? Est-ce que j’achète du bœuf ou du poulet ? Aussi longtemps que ces choix ne concerne que nous, il n’est pas besoin de les justifier. Lorsque nos choix concernent d’autre personne par contre, la situation est différente. Dans ce contexte en effet, il convient de justifier ses choix. Le test d’hypothèse est un outil de travail qui permet de mesurer les chances de faire un choix erroné et donc de justifier une décision sur la base de cette donnée chiffrée.
Questions courantes FAQ
Qu'est-ce qu'un test d'hypothèse, concrètement ?
Un test d'hypothèse est une procédure en cinq étapes qui permet de décider, à partir de données, si un effet observé est suffisamment improbable sous l'hypothèse qu'il n'existe pas. Il ne prouve rien avec certitude. Il quantifie la probabilité de se tromper en rejetant une hypothèse de départ, et c'est sur la base de cette probabilité que la décision est prise.
Qu'est-ce que H₀ et H₁ ?
H₀ est l'hypothèse nulle : elle affirme qu'il n'y a pas d'effet, pas de différence, pas d'association. H₁ est l'hypothèse alternative : elle décrit ce qu'on cherche à montrer. Le test ne cherche pas à prouver H₁ directement. Il cherche à montrer que les données sont incompatibles avec H₀, ce qui conduit à rejeter H₀ en faveur de H₁.
Qu'est-ce que la p-value ?
La p-value est la probabilité d'observer un résultat au moins aussi extrême que celui mesuré, en supposant que H₀ est vraie. Une p-value faible signifie que ce résultat serait rare si H₀ était vraie. Ce n'est pas la probabilité que H₀ soit fausse. Cette confusion est l'erreur d'interprétation la plus fréquente dans l'application des tests d'hypothèse.
Que signifie rejeter H₀ ?
Rejeter H₀ signifie que les données observées sont suffisamment incompatibles avec l'hypothèse nulle pour décider de l'abandonner. Cette décision est prise en comparant la p-value à un seuil de signification α, fixé à l'avance. Si p < α, H₀ est rejetée. Il ne s'agit pas d'une certitude : on accepte une probabilité α de se tromper en rejetant H₀ alors qu'elle est vraie.
Faut-il mémoriser chaque test séparément ?
Non. Tous les tests d'hypothèse — test t, test du chi², ANOVA, test de proportion — suivent la même séquence logique : formuler H₀ et H₁, calculer une statistique de test, comparer à une valeur critique ou interpréter la p-value, conclure. Ce qui change d'un test à l'autre, c'est uniquement la formule de la statistique de test. La logique de décision reste identique.
Quelle est la différence entre un test unilatéral et un test bilatéral ?
Un test bilatéral cherche à détecter un écart dans les deux directions : la valeur est-elle différente de la référence, en plus ou en moins ? Un test unilatéral fixe une direction unique : est-elle strictement plus grande ou strictement plus petite ? Ce choix doit être fait avant de collecter les données. Il modifie la valeur critique et donc la conclusion possible du test.
Un résultat non significatif prouve-t-il que H₀ est vraie ?
Non. Un résultat non significatif signifie seulement que les données ne fournissent pas une preuve suffisante pour rejeter H₀. L'absence de preuve n'est pas une preuve d'absence. Il est possible que l'effet existe mais que l'échantillon soit trop petit pour le détecter. La distinction entre "H₀ non rejetée" et "H₀ confirmée" est fondamentale en statistiques inférentielles.
