Leçon
Un petit p n'est pas une preuve
Une petite valeur p indique que les données seraient surprenantes sous un modèle nul, et non que l'affirmation est probablement vraie ou importante.
Par l'équipe de rédaction de Math Says Yes
Examiné par des humains selon nos normes en matière de sources et de corrections.
Comment nous évaluons le contenu
La question à laquelle p répond
Une commence par supposer un modèle nul spécifique, généralement un monde où il n'y a pas d'effet réel, pas de différence ou pas d'association du type testé. Elle demande ensuite à quelle fréquence ce modèle produirait des données au moins aussi extrêmes que celles que tu as observées. La valeur p est donc une déclaration sur les données sous une hypothèse. Ce n'est pas une déclaration directe sur l'hypothèse elle-même.
Les inversions qui trompent
L'erreur courante est d'inverser la conditionnelle. Les gens lisent p = 0.03 comme une chance de 3 % que le résultat soit un coup de chance, ou une chance de 97 % que l'hypothèse soit vraie. La ne dit ni l'un ni l'autre. Elle suppose le modèle nul et mesure la surprise des données observées. Pour juger si une affirmation est vraie, tu as également besoin de la plausibilité , de la conception de l'étude, de la qualité de la mesure, de la taille de l'effet et de savoir si des études similaires concordent.
Significatif n'est pas important
La et la significativité pratique sont différentes. Avec un énorme, un effet minuscule peut produire une très petite , même si la différence est trop minime pour importer dans la vie réelle. Avec un petit échantillon, un effet important peut ne pas atteindre un seuil conventionnel car l'étude est trop bruitée. La valeur p t'indique à quel point les données sont incompatibles avec le modèle nul, et non si l'effet est assez grand pour modifier une décision.
Comment le lire
Utilise une comme un outil de diagnostic parmi d'autres, et non comme un verdict. Lis-la aux côtés de la taille de l'effet, de l', de la taille de l', du nombre de tests essayés et de la conception de l'étude. Demande si l'hypothèse a été planifiée avant de voir les données, si la mesure est crédible et si le même schéma apparaît ailleurs. Une petite valeur p peut être un signal utile ; elle ne devient dangereuse que lorsqu'elle est traitée comme une preuve en soi.
FAQ
Est-ce que p = 0.05 signifie qu'il y a 95 % de chances que l'effet soit réel ?
Non. Cela signifie que des données au moins aussi extrêmes se produiraient environ 5 % du temps sous le modèle nul testé. La probabilité que l'effet soit réel nécessite plus d'informations que la valeur p ne contient à elle seule.
Une minuscule valeur p peut-elle tout de même décrire un résultat sans importance ?
Oui. De grands échantillons peuvent rendre des effets très minimes détectables statistiquement. Tu as toujours besoin de la taille de l'effet et du contexte du monde réel pour décider si la différence détectée importe.
Concepts clés
Probabilité conditionnelle
La probabilité de quelque chose après qu’une nouvelle information a changé ce qui reste possible. L’étape importante consiste à mettre à jour le dénominateur : les cas exclus par la nouvelle information ne doivent plus être comptés. Beaucoup d’erreurs se produisent lorsque les gens continuent d’utiliser les cotes d’origine après que la situation s’est restreinte.
Valeurs p
Une valeur p est la probabilité d'observer des données au moins aussi extrêmes si un modèle nul spécifique était vrai. Ce n'est pas la probabilité que l'affirmation soit fausse, ni la chance que le résultat soit aléatoire, ni une mesure de l'ampleur ou de l'importance de l'effet.
Vois-le en action
Une valeur p n'est pas la probabilité que ton résultat soit faux
Une valeur p t'indique à quel point les données seraient inhabituelles sous une hypothèse de départ choisie — souvent « aucun effet ». Elle ne dit pas si une affirmation est vraie ni quelle est l'ampleur de l'effet.
Valeur p et intervalle de confiance : ce que chacun vous apprend
Les valeurs p et les intervalles de confiance répondent à des questions différentes. Utilise la valeur p pour trouver des indices contre un modèle nul, et l'intervalle pour connaître la taille et l'incertitude de l'effet.
Teste l'idée
Valeur p vs intervalle de confiance
Déplace l'estimation et observe l'évolution des deux résumés.
estimation : +1.5
valeur nulle
estimation
-0.5 to +3.5
intervalle à 95 %
.134
valeur p
Pour une estimation de +1.5, l'intervalle à 95 % englobe toujours la valeur nulle et p = .134. Les deux s'accordent : un intervalle qui inclut 0 correspond exactement au cas où p reste supérieur à 0,05.
Vérification rapide
Une étude rapporte p = 0,03. Quelle traduction en langage clair est correcte ?
A
Il y a 97 % de chances que l’affirmation de l’étude soit vraie.
B
L’effet est suffisamment important pour compter en pratique.
C
Des résultats au moins aussi inhabituels se produiraient environ 3 % du temps s’il n’y avait vraiment aucun effet.