Durée: 12 mois
Rubrique: Analyste des Risques
4.2. Tests d'hypothèses
L'étape fondamentale en statistiques inférentielles après avoir estimé un modèle est la réalisation de tests d'hypothèses. Les tests d'hypothèses sont des outils analytiques puissants qui nous permettent de tirer des conclusions à partir de données échantillonnées.
Tout test d'hypothèse commence par la formulation de deux assertions contradictoires. L'hypothèse nulle (H0), qui est celle que nous cherchons à tester, et l'hypothèse alternative (H1), qui est celle que nous accepterons si les données fournissent suffisamment de preuves pour rejeter l'hypothèse nulle.
Par exemple, nous pouvons formuler une hypothèse nulle selon laquelle il n'y a pas de différence entre la moyenne des scores obtenus par deux groupes de personnes à un test. L'hypothèse alternative serait alors qu'il existe une différence.
Une fois les hypothèses formulées, nous calculons une statistique de test basée sur l'échantillon de données. Cette statistique de test suit généralement une distribution connue (comme la distribution normale), si l'hypothèse nulle est vraie.
Ensuite, nous utilisons cette statistique de test pour calculer la valeur p, qui est la probabilité que nous observions la statistique de test donnée (ou une plus extrême), supposant que l'hypothèse nulle soit vraie.
Si la valeur p est petite (généralement moins de 0,05), nous rejetons l'hypothèse nulle en faveur de l'hypothèse alternative. Cela signifie que nous avons trouvé une différence statistiquement significative.
En revanche, si la valeur p est grande, nous ne pouvons pas rejeter l'hypothèse nulle. Notez que cela ne signifie pas que nous avons prouvé que l'hypothèse nulle est vraie, simplement que les données ne nous permettent pas de la rejeter.