Calculateur de test binomial

Qu'est-ce qu'un test binomial ?

Le test binomial détermine si une proportion observée diffère d'une proportion attendue lorsque les résultats sont binaires (succès/échec). Il fournit des probabilités exactes sans s'appuyer sur l'approximation normale.

Question répondue : « Le taux de succès est-il différent de ce que nous attendions ? »

Exemples :

• « Cette pièce est-elle équilibrée ? » (50 % de faces attendues)
• « Notre taux de conversion est-il supérieur à 5 % ? »
• « Plus de patients ont-ils répondu au traitement que prévu par hasard ? »

Pourquoi « exact » ?

Le test z pour les proportions approxime le binomial avec une distribution normale. Cette approximation peut être mauvaise lorsque :

• La taille d'échantillon est petite (n < 30)
• La proportion est extrême (proche de 0 ou 1)
• Des valeurs p exactes sont requises

Le test binomial : Calcule les probabilités exactes directement à partir de la distribution binomiale.

La distribution binomiale

Pour n essais indépendants, chacun avec une probabilité de succès p :

P(X = k) = C(n,k) × p^k × (1-p)^(n-k)

Où C(n,k) = n! / [k!(n-k)!]

Cela donne la probabilité d'exactement k succès.

Comment fonctionne le test

Test bilatéral

H₀ : p = p₀ H₁ : p ≠ p₀

Valeur p = P(X ≤ observé ou X ≥ extrême symétrique | p = p₀)

Additionner les probabilités des résultats aussi extrêmes ou plus extrêmes que celui observé, dans les deux queues.

Tests unilatéraux

Queue droite (H₁: p > p₀) : Valeur p = P(X ≥ observé | p = p₀)

Queue gauche (H₁: p < p₀) : Valeur p = P(X ≤ observé | p = p₀)

Exemple : test d'une pièce

Scénario : 60 faces dans 100 lancers. La pièce est-elle équilibrée ?

Configuration :

• n = 100
• x = 60 (faces observées)
• p₀ = 0,5 (attendu pour pièce équilibrée)

Valeur p bilatérale : P(X ≤ 40 ou X ≥ 60 | p = 0,5)

Utilisant la distribution binomiale : valeur p = 0,057

Conclusion : Marginalement non significatif à α = 0,05. Les 60 % de faces observés ne sont pas une preuve assez forte contre une pièce équilibrée.

Exemple : petit échantillon

Scénario : 8 succès dans 10 essais. Le taux de succès est-il supérieur à 50 % ?

Test unilatéral droit : P(X ≥ 8 | n = 10, p = 0,5) = P(8) + P(9) + P(10) = 0,044 + 0,010 + 0,001 = 0,055

Conclusion : Preuve limite significative pour taux de succès > 50 %.

Avec l'approximation z, ce résultat serait moins précis en raison du petit n.

Comparaison avec le test Z

Directive : Utiliser le binomial quand np₀ < 10 ou n(1-p₀) < 10.

Intervalles de confiance

Le test binomial peut fournir des intervalles de confiance exacts pour p :

Intervalle de Clopper-Pearson : Exact, conservateur.

Ces intervalles sont souvent asymétriques, reflétant la véritable incertitude pour les proportions proches de 0 ou 1.

Applications

Contrôle qualité

Le taux de défaut est-il à ou en dessous de la spécification ?

n = 50 articles, 4 défectueux Le taux de défaut est-il > 5 % ?

Diagnostic médical

La sensibilité d'un test diagnostique est-elle différente de celle revendiquée ?

n = 30 cas positifs, 27 correctement identifiés La sensibilité est-elle différente de 95 % ?

Tests A/B (petite échelle)

Avec un trafic limité, les tests exacts sont plus fiables.

n = 25 visiteurs, 5 convertis Le taux est-il > 10 % ?

Génétique

Test des ratios d'hérédité mendélienne.

Observé 45 dominant : 15 récessif Ratio 3:1 attendu (p = 0,75)

Psychologie

Le test des signes pour les comparaisons appariées se réduit au binomial.

12 des 15 participants se sont améliorés L'amélioration est-elle au-delà du hasard (p = 0,5) ?

Analyses sportives

Le taux de succès d'un joueur est-il différent de la moyenne de la ligue ?

Joueur : 28 coups sûrs en 90 présences au bâton Moyenne de la ligue : 0,275

Test des signes

Le test des signes est un test binomial sur les signes des différences :

Données : Observations appariées (avant, après)

Compter combien de différences sont positives vs. négatives, en ignorant les égalités.

Test : P(positif) = 0,5 ?

Si le traitement n'a pas d'effet, les différences positives et négatives sont également probables.

Correction Mid-P

Le test binomial standard peut être conservateur (la valeur p exacte égale rarement exactement 0,05).

Valeur Mid-P : Compte la moitié de la probabilité du résultat observé.

P_mid = P(plus extrême) + 0,5 × P(exactement observé)

Moins conservateur, recommandé par certains statisticiens.

Un échantillon vs. deux échantillons

Binomial à un échantillon : Comparer la proportion à une valeur connue (ce calculateur).

Comparaison à deux échantillons : Comparer les proportions entre groupes.

• Utiliser le chi-carré ou le test z pour les grands échantillons
• Utiliser le test exact de Fisher pour les petits échantillons

Relation avec d'autres tests

Test d'ajustement du chi-carré

Pour deux catégories, le chi-carré et le test binomial traitent la même question.

Le binomial est exact ; le chi-carré est approximatif.

Test des signes

Le test des signes est un test binomial sur des données appariées.

Test de McNemar

Pour les résultats binaires appariés, le test de McNemar est lié au binomial.

Hypothèses

Essais indépendants

Le résultat de chaque essai est indépendant des autres.

Violé si : les résultats sont regroupés, le même sujet mesuré de manière répétée sans conception appropriée.

Probabilité constante

La probabilité de succès p est la même pour tous les essais.

Violé si : les conditions changent au fil du temps, population hétérogène.

Résultats binaires

Chaque essai a exactement deux résultats : succès ou échec.

Si plus de deux résultats, utiliser des tests multinomiaux ou chi-carré.

Erreurs courantes

Utiliser le test Z pour petit n

L'approximation normale est mauvaise quand np < 10. Utiliser le binomial exact.

Unilatéral sans justification

Pré-spécifier la direction basée sur la théorie, pas après avoir vu les données.

Ignorer la dépendance

Les données regroupées violent l'indépendance. Ajuster ou utiliser des méthodes différentes.

Mal interpréter la valeur p

P = 0,06 ne signifie pas 6 % de chance que H₀ soit vrai. C'est P(données | H₀ vrai).

Rapporter les résultats

Format APA (test exact) :

« Un test binomial exact a indiqué que le taux de succès observé (80 %, 8 sur 10) n'était pas significativement différent de 50 %, p = ,109, bilatéral. »

Pour un résultat significatif :

« Un test binomial exact a révélé que le taux de conversion (15 %, 15 sur 100) dépassait significativement le taux de référence de 10 %, p = ,046, unilatéral, IC 95 % [8,6 %, 23,5 %]. »

Puissance et taille d'échantillon

Pour la planification :

La probabilité de détecter un véritable effet dépend de :

• Vraie proportion (p₁)
• Proportion nulle (p₀)
• Taille d'échantillon (n)
• Niveau de significativité (α)

Utiliser le calculateur de taille d'échantillon pour proportions pour la planification.

Contexte historique

La distribution binomiale a été développée par Jacob Bernoulli à la fin des années 1600, publiée à titre posthume en 1713.

Le test binomial exact est devenu pratique avec la puissance de calcul au milieu du 20e siècle. Avant les ordinateurs, l'approximation normale était nécessaire pour les calculs.

Aujourd'hui, les tests exacts sont préférés lorsque faisables, avec des approximations utilisées pour de très grands échantillons où le calcul exact est lent.

Calculs associés

• Test Z pour une proportion — Approximation grand échantillon
• Calculateur de probabilité binomiale — Probabilité unique
• Calculateur cumulatif binomial — Probabilités cumulatives
• Intervalle de confiance pour proportion — Estimation d'intervalle
• Test exact de Fisher — Test exact à deux échantillons

Résumé

Le test binomial détermine si une proportion observée diffère d'une valeur attendue en calculant les probabilités exactes à partir de la distribution binomiale. Contrairement à l'approximation du test z, il est valide pour toute taille d'échantillon et toute proportion. Le test additionne les probabilités des résultats aussi extrêmes ou plus extrêmes que celui observé. Utilisez le test binomial lorsque les échantillons sont petits, les proportions sont extrêmes ou des valeurs p exactes sont requises. Rapportez la proportion observée, la taille d'échantillon, la valeur hypothétisée, la valeur p exacte et l'intervalle de confiance.