Calculateur de valeur-p à partir du score Z
Convertissez un score Z en valeur-p.
La statistique de test standardisée
Entrez un score z pour calculer la valeur p
Essayer les exemples
Qu'est-ce qu'une valeur p ?
Une valeur p est la probabilité d'observer un résultat aussi extrême que (ou plus extrême que) vos données, en supposant que l'hypothèse nulle est vraie. Les petites valeurs p suggèrent que les données sont improbables sous l'hypothèse nulle, fournissant des preuves contre elle.
La valeur p à partir d'un score z utilise spécifiquement la distribution normale standard, appropriée pour les grands échantillons ou lorsque l'écart type de la population est connu.
Du score Z à la valeur p
Un score z vous dit à combien d'écarts types votre résultat se trouve de la valeur de l'hypothèse nulle. La valeur p vous dit la probabilité d'être aussi loin ou plus loin.
Exemple :
- z = 2,0 signifie que votre résultat est à 2 écarts types de la valeur attendue
- Valeur p bilatérale = 0,046 signifie qu'il y a 4,6% de chances d'être aussi loin de l'attendu dans l'une ou l'autre direction
- Valeur p unilatérale = 0,023 signifie qu'il y a 2,3% de chances dans une direction spécifique
Unilatéral vs bilatéral
Bilatéral (plus courant)
Teste toute différence par rapport au nul :
- H₀ : μ = μ₀ vs H₁ : μ ≠ μ₀
- La valeur p considère les deux queues
- Pour z = 2,0 : p = 0,046
Utilisez quand vous seriez intéressé par une différence dans l'une ou l'autre direction.
Unilatéral
Teste une différence dans une direction spécifique :
- H₀ : μ = μ₀ vs H₁ : μ > μ₀ (queue droite)
- H₀ : μ = μ₀ vs H₁ : μ < μ₀ (queue gauche)
- La valeur p considère une seule queue
- Pour z = 2,0 (queue droite) : p = 0,023
Utilisez seulement quand vous avez une raison théorique forte de tester dans une direction.
Scores Z et valeurs p courants
| Score Z | p bilatéral | p unilatéral |
|---|---|---|
| 1,0 | 0,317 | 0,159 |
| 1,645 | 0,100 | 0,050 |
| 1,96 | 0,050 | 0,025 |
| 2,0 | 0,046 | 0,023 |
| 2,326 | 0,020 | 0,010 |
| 2,576 | 0,010 | 0,005 |
| 3,0 | 0,003 | 0,001 |
| 3,29 | 0,001 | 0,0005 |
Interpréter les valeurs p
Le seuil conventionnel
α = 0,05 est le niveau de significativité le plus courant :
- p < 0,05 : « Statistiquement significatif » — rejeter le nul
- p ≥ 0,05 : « Non statistiquement significatif » — ne pas rejeter
Ce que les valeurs p ne sont PAS
La valeur p n'est PAS la probabilité que l'hypothèse nulle soit vraie.
Si p = 0,03, cela ne signifie PAS qu'il y a 3% de chances que le nul soit vrai. Cela signifie : SI le nul était vrai, il y a 3% de chances de données aussi extrêmes.
La valeur p n'est PAS la probabilité que les résultats se produisent « par hasard ».
Tous les résultats se produisent par hasard dans un certain sens. La valeur p quantifie à quel point les résultats seraient surprenants sous une hypothèse nulle spécifique.
La taille d'effet compte
Une valeur p minuscule ne signifie pas un grand effet. Avec suffisamment de données, des effets trivialement petits deviennent statistiquement significatifs. Rapportez toujours les tailles d'effet aux côtés des valeurs p.
Applications
Tests d'hypothèse
« Nous avons testé si la moyenne du traitement différait de 100. » z = 2,45, p = 0,014 (bilatéral) « Nous rejetons l'hypothèse nulle à α = 0,05. »
Proportions
« La vraie proportion est-elle différente de 0,50 ? » z = 1,89, p = 0,059 « Le résultat n'est pas statistiquement significatif à α = 0,05. »
Contrôle qualité
« La moyenne du processus diffère-t-elle de la cible ? » z = -3,2, p = 0,001 « Le processus est significativement hors cible. »
Contexte historique
Le concept de valeur p a été développé par Karl Pearson et formalisé par Ronald Fisher dans les années 1920.
Fisher voyait les valeurs p comme des mesures de preuve contre l'hypothèse nulle — des valeurs p plus petites indiquant des preuves plus fortes. Il a suggéré p = 0,05 comme seuil « pratique », pas une règle absolue.
Jerzy Neyman et Egon Pearson ont développé le cadre des erreurs de Type I et Type II, où α (niveau de significativité) est fixé avant l'étude. Leur approche traite les tests d'hypothèse comme une procédure de décision plutôt qu'une mesure de preuve.
La pratique moderne combine maladroitement ces deux philosophies, conduisant souvent à de la confusion sur ce que les valeurs p signifient.
La relation avec les scores Z
La distribution normale standard a :
- Moyenne = 0
- Écart type = 1
- Symétrique autour de zéro
La valeur p est l'aire de queue(s) au-delà de votre score z :
Queue droite (z positif) : Aire à droite de z Queue gauche (z négatif) : Aire à gauche de z Bilatéral : Somme des deux aires de queue au-delà de |z|
Le Calculateur de table Z montre les probabilités cumulatives, à partir desquelles les valeurs p sont dérivées.
Quand utiliser Z vs T
Utilisez les valeurs p basées sur Z quand :
- La taille d'échantillon est grande (n > 30)
- Le σ de population est connu (rare)
- Testez des proportions
Utilisez les valeurs p basées sur T quand :
- La taille d'échantillon est petite
- Le σ de population est inconnu
- Testez des moyennes avec l'ET d'échantillon
Le Calculateur de distribution T gère les cas de petits échantillons.
Le problème du p-hacking
Quand les chercheurs essaient plusieurs analyses et ne rapportent que celle avec p < 0,05, les faux positifs deviennent probables. Ce « p-hacking » a contribué à la crise de reproductibilité en science.
Les remèdes incluent :
- Pré-enregistrement des analyses
- Corrections pour comparaisons multiples
- Rapport de toutes les analyses effectuées
- Focus sur les tailles d'effet et intervalles de confiance
Critiques des valeurs p
L'American Statistical Association (2016) a publié des directives notant :
- Les valeurs p peuvent indiquer une incompatibilité avec un modèle, pas le prouver faux
- Les valeurs p ne mesurent pas la probabilité que l'hypothèse soit vraie
- Les conclusions scientifiques ne devraient pas être basées uniquement sur p < 0,05
- Les valeurs p ne mesurent pas la taille d'effet ou l'importance
- Les valeurs p seules ne fournissent pas de bonnes preuves
Calculs associés
- Calculateur de score Z — Convertir les valeurs brutes en scores z
- Calculateur de table Z — Probabilités cumulatives
- Calculateur de valeur critique (z*) — Trouver z pour le niveau de significativité
- Calculateur de distribution T — Valeurs p pour petits échantillons
- Calculateur de probabilité normale — Probabilités des distributions normales
Résumé
La valeur p à partir d'un score z quantifie à quel point votre résultat est surprenant sous l'hypothèse nulle. Les petites valeurs p (typiquement < 0,05) conduisent à rejeter le nul, mais les valeurs p seules ne prouvent pas les effets, ne mesurent pas leur magnitude, ni ne donnent la probabilité que le nul soit vrai. Pour une interprétation appropriée, rapportez les valeurs p aux côtés des intervalles de confiance et des tailles d'effet. Comprendre ce que les valeurs p signifient réellement — et ce qu'elles ne signifient pas — est essentiel pour une inférence statistique solide.