Personnaliser les préférences

Nous utilisons des cookies pour vous aider à naviguer efficacement et à exécuter certaines fonctions. Vous trouverez ci-dessous des informations détaillées sur tous les cookies sous chaque catégorie de consentement.

Les cookies classés comme « Nécessaires » sont stockés sur votre navigateur car ils sont essentiels pour activer les fonctionnalités de base du site.... 

Toujours actif

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

Aucun cookie à afficher.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

Aucun cookie à afficher.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

Aucun cookie à afficher.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

Aucun cookie à afficher.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

Aucun cookie à afficher.

Voici comment interpréter une valeur P de 0,000



Lorsque vous exécutez un test statistique, qu’il s’agisse d’un test du chi carré, d’un test de moyenne de population, d’un test de proportion de population, d’une régression linéaire ou de tout autre test, vous êtes souvent intéressé par la valeur p résultante de cet essai.

Une valeur p vous indique simplement la force des preuves à l’appui d’une hypothèse nulle.

Si la valeur p est inférieure au seuil de signification, nous rejetons l’hypothèse nulle.

Ainsi, lorsque vous obtenez une valeur p de 0,000, vous devez la comparer au niveau de signification. Les niveaux de signification courants incluent 0,1, 0,05 et 0,01.

Puisque 0,000 est inférieur à tous ces niveaux de signification, nous rejetterions l’hypothèse nulle dans chaque cas.

Passons en revue un exemple pour clarifier les choses.

Exemple : obtenir une valeur P de 0,000

Une usine prétend produire des pneus pesant chacun 200 livres.

Un auditeur arrive et teste l’hypothèse nulle selon laquelle le poids moyen d’un pneu est de 200 livres par rapport à l’hypothèse alternative selon laquelle le poids moyen d’un pneu n’est pas de 200 livres, en utilisant un niveau de signification de 0,05.

L’hypothèse nulle (H0) : μ = 200

L’hypothèse alternative : (Ha) : μ ≠ 200

Lors d’un test d’hypothèse pour une moyenne, l’auditeur obtient une valeur p de 0,000.

Puisque la valeur p de 0,000 est inférieure au seuil de signification de 0,05, l’auditeur rejette l’hypothèse nulle.

Ainsi, il conclut qu’il existe suffisamment de preuves pour affirmer que le véritable poids moyen d’un pneu n’est pas de 200 livres.

Que signifie une valeur P de 0,000

Que vous utilisiez Microsoft Excel, une calculatrice TI-84, SPSS ou un autre logiciel pour calculer la valeur p d’un test statistique, la valeur p n’est souvent pas exactement 0,000, mais plutôt quelque chose d’extrêmement petit comme 0,000000000023.

Cependant, la plupart des logiciels n’affichent que trois décimales, c’est pourquoi la valeur p apparaît comme 0,000.

Conclusion

Si vous effectuez un test statistique en utilisant un niveau de signification de 0,1, 0,05 ou 0,01 (ou tout niveau de signification supérieur à 0,000) et obtenez une valeur p de 0,000, rejetez l’hypothèse nulle.

Connexes Une explication des valeurs P et de la signification statistique

Ajouter un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *