p

[Maya ca]

coucou!
Deso pour le titre pas très clair j'ai pas su quoi mettre...
J'avais cru comprendre que p signifiait que si on choisissait par un risque alpha, soit de rejeter HO, tq alpha=x, alors le risque de rejeter H0 à tort serait de (p<1-x) . Et que du coup on ne l'utilisait pas trop quoi, à part pour dire "on prend le risque alpha=x au risque de se tromper de 1-x"
Mais en regardant les annales, souvent l'énoncé donne un "p" sans donner de risque alpha, en demandant ce qu'il faut en conclure, et j'ai cru comprendre des corrections que si on nous disait "le resultat de la comparaison... est p<x" alors on ne devrait pas prendre le risque alpha. Bref, c'est pas bien expliqué deso, c'est pcq c'est flou dans ma tête...

Du coup ma question est: que peut apporter p à la conclusion face à aux résultats d'une étude?

merciii<3333

[Fred']

Up pour BMY

[Maya ca]

ahaha merci!!

[BloodyMary]

Coucou !

Tout d'abord, désolée de mon délai de réponse, n'hésite pas à me relancer, si je mets trop de temps à répondre c'est juste que j'ai pas vu ou oublié !


Alors, vu que ta question semble un peu confuse, et que je veux absolument que tu aies tout bien compris pour l'examen, je vais te faire un gros récap de ce que représente p, ou degré de signification, ou encore p-value.

Comment ça se passe ?

• Lorsqu'on va réaliser un test statistique, on va fixer un risque d'erreur AVANT la réalisation du test, qu'on appelle risque de première espèce ou risque alpha. Il représente le risque de se tromper en rejetant H0, et il est en général fixé à 5%.

• On va ensuite réaliser notre test statistique, et à l'issue de celui-ci on déterminera :
- si on accepte H0 (dans le cas où le paramètre calculé est inférieur au paramètre théorique)
- ou bien si on rejette H0 (dans le cas où le paramètre calculé est supérieur au paramètre théorique)

• Suite à ça, on peut alors fixer un risque d'erreur réel à postériori (c'est-à-dire APRES réalisation du test), également appelé degré de signification (ou p-value). En effet, la précision de l'étude peut s'avérer supérieure à celle supposée au départ (cela signifierait qu'on avait choisi de base un risque alpha "trop grand") et on peut se retrouver à postériori avec un risque de rejeter H0 qui est plus faible que celui fixé à priori.

Comment déterminer p ?

Si, lorsque tu lis ta table pour un risque d'erreur supérieur à alpha (pour voir si on peut aller au-delà, et donc améliorer la précision), tu obtiens la même conclusion que lorsque tu as lu ta table pour le risque alpha, alors ton degré de signification à postériori est inférieur à alpha.

Mais si, lorsque tu lis ta table pour un risque d'erreur supérieur à alpha, ta conclusion change par rapport à ce que tu avais obtenu pour le risque alpha, alors ton degré de signification à postériori correspond à alpha.

Par exemple, si dans l'énoncé on te donne un paramètre calculé de 2,3 et que pour alpha=5% tu lis un paramètre théorique de 1,96 dans ta table, alors ta conclusion est : paramètre calculé > paramètre théorique, donc rejet de H0.
Maintenant, tu lis ta table, et pour un risque de 1% tu trouves un paramètre théorique de 2,6, donc ta conclusion DIFFERE de celle précédente (car ici, tu aurais 2,3<2,6 cad paramètre calculé < paramètre théorique, acceptation de H0) donc là c'est pas bon, la conclusion de ton test statistique change, donc tu gardes une précision à 5%. La précision ne peut pas être améliorée.

A quoi correspond p ?

p = degré de signification = probabilité d’observer une différence au moins aussi importante que celle observée sous l’hypothèse nulle

Cette probabilité représente le risque de se tromper en rejetant H0, donc en concluant à une différence significative.

Ainsi, on peut aussi dire que c'est la probabilité, qu'au final, la différence observée soit plus grande que celle qui existe de base sous H0. En gros, c'est le risque que la répartition ne soit pas due au hasard (car la différence serait trop grande).


Remarque : Si, au détour d'un QRU, tu te retrouves avec p ≤ alpha, tu sais alors immédiatement que la conclusion est de rejeter H0 +++




Si tu veux encore d'autres détails sur le degré de signification, je te renvoie également à ce post : https://www.carabinsnicois.fr/phpbb/vie ... hilit=degré+de+signification#p679935


Est-ce que avec tout ça c'est plus clair pour toi ? Et surtout, est-ce que je réponds à ta question ? N'hésite pas sinon, c'est important que tu aies compris cette notion

Bon courage pour ces derniers jours

[Fred']

pouaaaah vu le volume et la propreté de la réponse je pense que le délai sera largement pardonné

[Maya ca]

tu geeres meuf merci beaucoupp 3 Ca aide!
Petite derniere question: par rapport à ta phrase:
"Remarque : Si, au détour d'un QRU, tu te retrouves avec p ≤ alpha, tu sais alors immédiatement que la conclusion est de rejeter H0 +++"
Si dans l'enoncé on nous dit juste que p<0.01 par ex, ca veut dire qu'on a choisit alpha=0.01?
merciiiiiiii
Ps: aucun soucis pour le delais on est conscient de la charge de travail que ca represente pour vous, et (surtout en biostat!!!) vous faites déjà un travail de DINGUE donc 333333333

[BloodyMary]

Re coucou

Alors non ! Si dans l'énoncé on ne te dit rien à propos de alpha, c'est qu'on l'a choisi par défaut à 5% ++++++++

Donc, si dans ton énoncé on te dit qu'on réalise un test statistique et qu'on trouve un degré de signification p égal à 0,01, c'est qu'on a rejeté H0, et qu'on a amélioré le degré de précision de notre étude (on est passé d'un risque de 5% à priori, à 1% à postériori).

Dès que p<alpha = rejet de H0 +++

C'est mieux ?

Merci pour tes petits mots, ça me fait vraiment plaisir de voir que l'aide qu'on vous apporte vous est utile !

[Maya ca]

okkk je viens de tout comprendre du coup
merci merci merci
et merde pour les partiels!!

[BloodyMary]