777676_fr-FR

liliconcom

Test d’hypothèse Interprétation des résultats contradictoires

Chère communauté JMP,

J'essaie de comprendre la contradiction entre le système de 2 hypothèses ci-dessous effectué au niveau de signification de 0,05.

En regardant le premier système d’hypothèses

Test recto-verso

Ho : Mu=0 , H1 : Mu différent de 0, P(valeur) = 0,0705

Conclusion statistique : échec du rejet de Ho donc Mu = 0

Cependant, si l'on regarde le troisième système

Test côté inférieur

Ho : Mu >= 0 , H1 : Mu < 0. P(valeur) = 0,0352

Conclusion statistique : Acceptez H1 donc Mu < 0.

Dans ce cas, il existe une conclusion statistique contradictoire entre ces deux systèmes d’hypothèses.

Le test bilatéral dit Mu=0

Le test du côté inférieur indique Mu <0

Comment peut-on interpréter cela ?

Merci de me conseiller à ce sujet.

Frère,

Chris

Modélisation statistique avancéeObjet : Test d'hypothèse, interprétation des résultats contradictoires

Donc, juste pour clarification, 1-0,9648=0,0352 et 0,0352*2=0,0704 (les valeurs dans JMP ne sont pas arrondies comme elles le sont ici)

Tests unilatéraux

Quelle est la probabilité d'être inférieur à t, assez faible. (la zone bleu foncé)

Quelle est la probabilité d'être supérieur à t, assez grand. (toute la zone à droite de la zone bleu foncé)

Test double face

Quelle est la probabilité que t se situe dans les intervalles de confiance à 95 %, assez faible (0,07) (dans l'espace blanc sur la figure)

Dans un langage courant, pas parfait en termes statistiques, c'est comme ceci :

si je dis que -1,2667 est différent de 0, quelle est la probabilité que je me trompe. prob>|t|

Si je dis que -1,2667 est supérieur à 0, quelle est la probabilité que je me trompe. probablement

Si je dis que -1,2667 est inférieur à 0, quelle est la probabilité que je me trompe. prob <>

Peut-être que quelqu'un de plus versé dans le langage statistique spécifique peut ajouter null à cela ? (calembour)

Objet : Test d'hypothèse, interprétation des résultats contradictoires

Vous montrez une idée fausse fondamentale - une idée qui a conduit beaucoup (moi y compris parfois) à appeler à la fin des tests de signification d'hypothèse nulle (NHST). Vous ne devez jamais interpréter le test de manière binaire. Ce que vous avez rapporté serait correct avec une pensée binaire : dans un test bilatéral, l'hypothèse nulle n'a pas été rejetée et dans un test unilatéral, elle est rejetée (où la valeur p est exactement la moitié de la valeur p pour l'hypothèse bilatérale). test). Avec la pensée binaire, vous ne rejetez pas la valeur nulle pour le test bilatéral, mais vous le rejetez pour le test unilatéral. Mais les preuves sont exactement les mêmes dans les deux tests. Ce qui a changé, c'est votre volonté de commettre des erreurs de type 1.

Ce que vous devez conclure, c'est que la probabilité d'obtenir une moyenne au moins aussi éloignée de zéro que 1,2667 erreurs types - dans les deux sens - est d'environ 7 % et la probabilité d'obtenir une moyenne au moins aussi éloignée de zéro que -1,2667 en une direction négative se situe autour de 3,5%. Si vous insistez pour utiliser 0,05 comme seuil binaire, alors oui, vous arriverez à des conclusions différentes. Même si cela peut vous paraître déroutant, cela ne fait que refléter une mauvaise façon d’utiliser la valeur p. Lorsque vous ne parvenez pas à rejeter la valeur nulle, vous ne devez JAMAIS dire que c'est vrai. Vous n'avez pas suffisamment de preuves pour le rejeter. Étant donné que le test unilatéral est moins exigeant (puisque vous vous souciez uniquement de voir si les preuves sont suffisamment faibles pour pouvoir dire en toute sécurité qu'elles sont inférieures à zéro dans ce cas), vous disposez de preuves suffisantes en utilisant cette valeur seuil binaire de 0,05.

Je pense que l’utilisation de telles valeurs seuils binaires p est quelque chose qui devrait être abandonnée. Je trouve les valeurs p utiles, mais pas de cette façon. Ils indiquent la force des preuves que les données fournissent par rapport à un modèle particulier, mais la valeur p - à elle seule - ne devrait jamais vous dire si ces preuves sont suffisamment solides pour rejeter ce modèle. Dans votre cas, le test bilatéral et le test unilatéral sont des modèles différents, donc la suffisance des preuves change si vous appliquez la même valeur seuil binaire. Mais j’ajouterais : d’où vient cette valeur seuil binaire ? (Malheureusement, la réponse est souvent que cela provient d'un texte d'introduction aux statistiques, et qui n'est plus utile).

Objet : Test d'hypothèse, interprétation des résultats contradictoires

Salut @ChrisLooi : Dans l'esprit des commentaires de @dlehman1 , les intervalles de confiance peuvent être un meilleur moyen de comprendre cela. Bien sûr, les valeurs p et les intervalles de confiance sont dérivés des mêmes principes et il existe une correspondance biunivoque entre eux... mais laissons cela de côté.

Supposons pour nos besoins que alpha=0,05.

1. Vous rejetterez [Ho : Mu=0] en faveur de [H1 : Mu not égal à 0], si l' intervalle de confiance à 95 % pour Mu ne contient pas 0. Cet intervalle a alpha/2 =0,025 dans chaque queue.

2. Vous rejetterez [Ho : Mu >= 0] en faveur de [H1 : Mu < 0] si la limite supérieure de 95 % sur Mu est inférieure à 0. Cette limite supérieure a un alpha dans la queue supérieure.

La limite supérieure de l’intervalle de confiance en 1 est supérieure à la limite supérieure en 2 (puisque 1 a moins de probabilité dans la queue supérieure que 2). Par conséquent, le test bilatéral peut être rejeté, tandis que le test unilatéral ne l'est pas.