La valeur P, probabilité initialement calculée, est la probabilité de trouver les résultats observés, ou des résultats plus extrêmes, lorsque l’hypothèse nulle (H0) d’une question d’étude est vraie – cette définition d'”extrême” dépend de la façon dont l’hypothèse est testée. P est également décrit en termes de rejet de H0 lorsqu’elle est effectivement vraie, mais il ne s’agit pas d’une probabilité directe de cet état.

L’hypothèse nulle est généralement une hypothèse “sans différence”, c’est-à-dire qu’il n’y a pas de différence entre les pressions sanguines du groupe A et du groupe B. Définissez clairement une hypothèse nulle pour chaque question de l’étude avant le début de l’étude.

La seule situation où vous devez utiliser une valeur P unilatérale est lorsqu’un changement important dans une direction inattendue n’aurait absolument aucun rapport avec votre étude. Une telle situation est inhabituelle ; en cas de doute, utilisez une valeur P bilatérale.

Utilisez le terme niveau de signification (alpha) comme indication d’une probabilité pré-celta et le terme valeur P est utilisé pour indiquer une probabilité qui est calculée après une étude donnée.

L’hypothèse alternative (H1) est le contraire de l’hypothèse nulle ; en d’autres termes, c’est généralement l’hypothèse que vous souhaitez étudier. Par exemple, elle demande “y a-t-il une différence significative (non due au hasard) de tension artérielle entre les groupes A et B si nous donnons au groupe A le médicament à tester et au groupe B un comprimé de sucre” et l’hypothèse alternative est “y a-t-il une différence de tension artérielle entre les groupes A et B si nous donnons au groupe A le médicament à tester et au groupe B un comprimé de sucre”.

Si votre valeur P est inférieure au niveau de signification choisi, vous refusez l’hypothèse nulle, c’est-à-dire que vous acceptez que votre échantillon fournisse des preuves raisonnables à l’appui de l’hypothèse alternative. Cela n’implique PAS une différence “significative” ou “importante” ; il vous appartient de décider quand vous considérez la pertinence de votre résultat dans le monde réel.

Le choix du niveau de signification auquel vous rejetez H0 est arbitraire. Traditionnellement, les niveaux de 5% (moins de 1 chance sur 20 de se tromper), 1% et 0,1% (P < 0,05, 0,01 et 0,001) ont été utilisés. De tels chiffres peuvent donner un faux sentiment de sécurité.

Si nous étions dans le monde idéal, nous serions en mesure de définir un échantillon aléatoire “parfait”, le test le plus approprié et une conclusion définitive. Nous ne pouvons tout simplement pas. Ce que nous pouvons faire, c’est essayer d’optimiser toutes les étapes de notre recherche pour minimiser les sources d’incertitude. En présentant les valeurs P, certains groupes trouvent utile l’utilisation du système d’évaluation par astérisque et la citation de la valeur P :

P < 0.05 *

P < 0.01 **

P < 0.001

La plupart des auteurs indiquent que P < 0,05 est statistiquement significatif et P < 0,001 est statistiquement très significatif (moins d’une chance sur mille de se tromper).

L’astérisque du système évite le terme “significatif”. Notez cependant que de nombreux statisticiens n’apprécient pas le système d’astérisque lorsqu’il est utilisé sans indiquer de valeurs P. En règle générale, si vous pouvez citer une valeur P exacte, faites-le. Vous pouvez également faire référence à une valeur P exacte citée sous forme d’astérisque dans la narration ou les tableaux de contraste dans d’autres parties d’un rapport.

Un mot sur l’erreur à ce stade. L’erreur de type I est le faux rejet de l’hypothèse nulle et l’erreur de type II est la fausse acceptation de l’hypothèse nulle. Pour vous rappeler d’aider : pensez que notre société cynique refuse avant d’accepter.

Le niveau de signification (alpha) est la probabilité d’erreur de type I. La puissance d’un test est de un moins la probabilité d’erreur de type II (bêta). La puissance doit être maximisée dans le choix des méthodes statistiques. Si vous voulez estimer la taille de l’échantillon, vous devez comprendre tous les termes mentionnés ici.

Ce tableau montre la relation entre la puissance et l’erreur dans le test d’hypothèse

	DECISION
TRUTH	Accept H0:	Reject H0:
H0 is true:	correct decision P	type I error P
	1-alpha	alpha (significance)
H0 is false:	type II error P	correct decision P
	beta	1-beta (power)
H0 = null hypothesis
P = probability

Veuillez vous référer à l’un des textes généraux énumérés dans la section de référence si vous souhaitez obtenir plus de détails sur la probabilité et la théorie de l’échantillonnage à ce stade.

Il est nécessaire de comprendre les intervalles de confiance si vous avez l’intention de citer des valeurs P dans des rapports et des documents. Les références statistiques des revues scientifiques s’attendent à ce que les auteurs citent les intervalles de confiance de manière plus proéminente que les valeurs P.