Niveau de signification

Cet article explique quel est le niveau de signification dans les statistiques. Ainsi, vous trouverez la signification du niveau de signification, un tableau avec les niveaux de signification les plus fréquents et la relation du niveau de signification avec d’autres concepts statistiques.

Quel est le niveau de signification ?

Le niveau de signification est la probabilité que l’estimation d’un paramètre statistique dans une population se situe en dehors de l’intervalle de confiance. Autrement dit, le niveau de signification est la probabilité de rejeter une hypothèse qui est réellement vraie.

En statistique, le niveau de signification est représenté par le symbole grec α (alpha). C’est pourquoi on l’appelle également niveau alpha .

Par exemple, si le niveau de signification est α=0,05, cela signifie que la probabilité de rejeter une hypothèse lorsqu’elle est vraie est de 5 %. Autrement dit, la probabilité d’estimer un paramètre statistique et de se tromper avec une erreur supérieure à la marge d’erreur est de 5 %.

Par conséquent, le niveau de signification marque la limite permettant de déterminer si un résultat est statistiquement significatif ou non, de sorte que si la valeur p est inférieure au niveau de signification, le résultat est considéré comme statistiquement significatif. Ci-dessous, nous verrons la relation entre le niveau de signification et la valeur p.

Tableau des niveaux de signification

Une fois que nous avons vu la définition du niveau de signification, un tableau avec les valeurs des niveaux de signification les plus courants est présenté ci-dessous.

Ce tableau sera très utile pour calculer les limites d’un intervalle de confiance.

Comme vous pouvez le voir dans le tableau, augmenter le niveau de confiance diminue le niveau de signification, ce qui entraîne un risque moindre de commettre une erreur lors de l’acceptation d’une hypothèse et, d’autre part, une précision moindre dans l’estimation d’un paramètre statistique. . En général, un niveau de signification de 5 % est habituellement utilisé (α=0,05).

Niveau de signification de 0 % et 100 %

La valeur du niveau de signification peut aller de 0 % (α=0,00) à 100 % (α=1). Cependant, ces deux valeurs extrêmes ne devraient jamais apparaître dans les statistiques puisqu’il s’agit de deux valeurs irréelles, nous verrons pourquoi ci-dessous.

Un niveau de signification de 0 % signifie qu’il n’y a aucun doute sur la véracité de l’hypothèse acceptée. Cependant, un niveau de signification de 0 % n’existe pas dans les statistiques à moins qu’une population entière ait été analysée, et même dans ce cas, on ne peut pas être entièrement sûr qu’aucune erreur ou biais ne s’est produit au cours de l’enquête.

En revanche, un niveau de signification de 100 % signifie que l’hypothèse rejetée est vraie sans aucun doute. Mais, logiquement, si certains résultats sont obtenus avec un niveau de signification de 100 %, ils ne seront jamais publiés car il n’y aura aucune certitude quant à l’exactitude des résultats avant de répéter l’étude statistique.

Niveau de signification et niveau de confiance

Deux concepts étroitement liés en statistique qui doivent être clairs sont le niveau de signification et le niveau de confiance. C’est pourquoi dans cette section nous verrons quelle est la différence entre le niveau de signification et le niveau de confiance.

La différence entre le niveau de signification et le niveau de confiance est la probabilité qu’ils définissent. Le niveau de confiance est la probabilité d’accepter une hypothèse et qu’elle soit réellement vraie, tandis que le niveau de signification est la probabilité de rejeter une hypothèse mais qu’elle soit réellement vraie.

De plus, le niveau de signification plus le niveau de confiance aboutissent toujours à l’unité. Ainsi, si le niveau de confiance d’un intervalle de confiance est 1-α, le niveau de signification de ce même intervalle est α.

Par exemple, si le niveau de confiance d’un intervalle de confiance est de 95 %, son niveau de signification est de 5 %. Cela signifie que si nous répétons l’étude statistique 100 fois, 95 fois nous obtiendrons un résultat qui coïncide avec celui de la population réelle, tandis que 5 fois nous obtiendrons un résultat erroné.

Niveau de signification et valeur p

Enfin, nous verrons quelle est la relation entre le niveau de signification et la valeur p, puisqu’il s’agit de deux concepts largement utilisés dans l’opposition des hypothèses.

La valeur p , également appelée valeur p , est une valeur comprise entre 0 et 1 qui indique la probabilité que la différence observée soit due au hasard. Ainsi, la valeur p indique l’importance d’un résultat et est utilisée pour déterminer si une hypothèse est vraie ou fausse.

Ainsi, dans le test d’hypothèse, si la valeur p est supérieure au niveau de signification, l’hypothèse nulle est considérée comme vraie. En revanche, si la valeur p est inférieure au seuil de signification, l’hypothèse nulle est rejetée et l’hypothèse alternative est considérée comme vraie.