Valeur P, Statistiques, Hypothèse

[john616]

Bonjour,

Je tente de comprendre les valeurs p, et j'ai un peu de mal avec cet exercice.

Un chercheur obtient une valeur p de 0.056 pour le test H0: μ = 0 contre Ha : μ ≠ 0. Vu qu'il pense que la vraie moyenne sera positive et qu'il est inquiet qu'il ne sera pas publié dans son journal favori (ses résultats ne sont pas important au niveau de 0.05), il préfère reporter ses résultats avec une valeur P de 0.028 et Ha : μ > 0.
1)Qu'est ce qui ne va pas s'il reporte la valeur p de 0.028 après avoir vu les résultats?
2)Qu'est ce qui ne va pas avec la règle du journal qui ne veut que publier des résultats qui sont statistiquement importants?


Pour 1), en général si on pense que la moyenne sera plus importante, on pose bien : μ > 0, donc je vois pas vraiment ce qui ne va pas avec son raisonnement en fait... Peut être le fait d'avoir changer après avoir vu les résultats?

Pour 2), on peut peut être dire que pas tous les tests peuvent être statistiquement important?

Merci de votre aide,

Jonathan
-----

[gg0]

Bonjour.

Le système des tests d'hypothèse est de choisir une règle de décision. C'est que l'on a trop de possibilités pour avoir de la certitude, et qu'il faut bien décider (ne pas faire l'âne de Buridan, mort de ne pas avoir choisi entre boire d'abord ou manger d'abord).
Par exemple tu attends un copain, il est en retard, tu décides "s'il n'est pas là à 17h, je m'en vais". Si tu appliques cette règle de décision, et qu'il arrive à 17h05, vous vous serez ratés bien qu'il soit venu. mais il faut bien appliquer une telle règle, décider de partir, car s'il ne vient pas, tu ne vas pas rester éternellement.

En tests statistiques, la difficulté est qu'on sait faire en mesurant le risque d'affirmer que H₀ est fausse, sans avoir, généralement, de mesure pour savoir si elle est vraie. Donc les seuls tests vraiment utiles sont ceux qui sont significatifs, où on rejette H₀.

Dans ton exercice, le chercheur a fait un test, non significatif au seuil de 5%. La seule conclusion honnête est : Je ne peux pas invalider l'hypothèse d'égalité.
Sa pratique, en réinterprétant le test revient à changer les règles quand le jeu ne le favorise pas.

Pour la question 2, je ne vois pas grand chose à dire, "statistiquement important" n'a pas de signification précise. Disons que le journal ne fera pas ce qu'il dit, faute d'articles à publier ...

Cordialement.

NB : ici, il n'y a pas vraiment de réflexion sur les valeurs p. plus une réflexion éthique.

[toothpick-charlie]

pour ce qui est de la question 2) c'est un point qui est beaucoup discuté et critiqué parmi les scientifiques : si les journaux ne publient que les articles où un résultat "positif" a été obtenu, cela crée un biais (on l'appelle d'ailleurs "biais de publication") lors d'une méta-analyse.

Supposons par exemple que tu cherches s'il y a un lien entre exposition à l'amiante et mésothéliome : tu vas chercher dans la littérature tous les articles ayant étudié ce problème. Si seules les études dans lesquelles une association statistiquement significative ont été publiées, tu vas conclure qu'il y a une très forte présomption de lien entre amiante et cancer.

la difficulté, c'est qu'il y a de nombreuses raisons qui peuvent faire qu'une association n'est pas statistiquement significative. Ca peut être qu'il n'y a effectivement pas de lien biologique, mais ça peut être par manque de puissance, ou à cause d'erreurs de classement (par exemple on se trompe sur l'exposition, etc). C'est pourquoi les journaux sont réticents à publier les résultats "négatifs".

[john616]

Merci beaucoup pour votre aide!
J'ai un peu cherché et j'ai trouvé que c'était assez commun de changer de méthode en cours de route pour que les résultats soient "important". (Je débute en statistiques et je commence a comprendre que chaque mot doit être bien pesé et pensé).

[A voir en vidéo sur Futura]