Le jugement de signification statistique concerne l’erreur aléatoire (erreur due au hasard, liée à des phénomènes de fluctuation d’échantillonnage, cf. Connaissances de base sur les source d'erreur et les biais 2C-020-DE-A12). Le résultat d’un test est dit significatif si la valeur de p (= degré de signification, “p-value” en anglais ) est inférieure à un seuil déterminé a priori (risque de première espèce alpha) en général 0,05.
Dans un test statistique cherchant à démontrer une différence, le risque alpha est le risque, fixé a priori, de conclure à tort à une différence (cf. Tests statistiques: principes des tests d'hypothèse 2C-020-DE-B09). La valeur de p est calculée a posteriori à partir des données observées et est la probabilité d'observer une différence au moins aussi importante si en réalité cette différence n’existe pas. La conclusion du test est basée sur la comparaison de la valeur de p au risque alpha (admis a priori). Si p est plus grand qu’alpha alors on ne peut rien conclure : la probabilité d'observer une différence au moins aussi importante si en réalité cette différence n’existe pas est trop grande par rapport au risque admis a priori de conclure à tort à une différence.
Du fait des fluctuations d’échantillonnage, l’estimation d’un paramètre par exemple : une différence de moyenne, un RR, un OR, un HR, …) doit toujours être accompagnée de d’un intervalle de confiance. C’est un intervalle de valeurs possibles de la vraie valeur du paramètre dans la population. Généralement, on présente l’intervalle de confiance à 95% (IC95%) d’un paramètre, c’est-à-dire que le niveau de confiance associé au fait que le paramètre vrai d’intérêt appartienne à cet intervalle est de 95%. Autrement dit, si on tire au sort 100 échantillons depuis une même population, l’estimation du paramètre se situera dans cet intervalle de valeurs pour 95 des 100 échantillons.
♥∞
Le jugement de signification statistique concerne l’erreur aléatoire (erreur due au hasard, liée à des phénomènes de fluctuation d’échantillonnage, cf. Connaissances de base sur les source d'erreur et les biais 2C-020-DE-A12). Le résultat d’un test est dit significatif si la valeur de p (= degré de signification, “p-value” en anglais ) est inférieure à un seuil déterminé a priori (risque de première espèce alpha) en général 0,05.
Dans un test statistique cherchant à démontrer une différence, le risque alpha est le risque, fixé a priori, de conclure à tort à une différence (cf. Tests statistiques: principes des tests d'hypothèse 2C-020-DE-B09). La valeur de p est calculée a posteriori à partir des données observées et est la probabilité d'observer une différence au moins aussi importante si en réalité cette différence n’existe pas. La conclusion du test est basée sur la comparaison de la valeur de p au risque alpha (admis a priori). Si p est plus grand qu’alpha alors on ne peut rien conclure : la probabilité d'observer une différence au moins aussi importante si en réalité cette différence n’existe pas est trop grande par rapport au risque admis a priori de conclure à tort à une différence.
Du fait des fluctuations d’échantillonnage, l’estimation d’un paramètre par exemple : une différence de moyenne, un RR, un OR, un HR, …) doit toujours être accompagnée de d’un intervalle de confiance. C’est un intervalle de valeurs possibles de la vraie valeur du paramètre dans la population. Généralement, on présente l’intervalle de confiance à 95% (IC95%) d’un paramètre, c’est-à-dire que le niveau de confiance associé au fait que le paramètre vrai d’intérêt appartienne à cet intervalle est de 95%. Autrement dit, si on tire au sort 100 échantillons depuis une même population, l’estimation du paramètre se situera dans cet intervalle de valeurs pour 95 des 100 échantillons.