|
Sommaire Avant-propos Introduction 1 - Statistique(s) et Probabilité(s) 2 - Rappels mathématiques 3 - Eléments de calcul des Probabilités 4 - Probabilité Conditionnelle ; Indépendance et Théorème de Bayes 5 - Evaluation de l’intérêt diagnostique des informations médicales 6 - Variables aléatoires 7 - Exemples de distributions 8 - Statistiques descriptives 9 - Etude de la variable aléatoire moyenne expérimentale 10 - Estimation - Intervalle de confiance 11 - Les tests d’hypothèses. Principes 12 - Quelques tests usuels 13 - Tests concernant des variables qualitatives 14 - Liaison entre deux variables continues : notion de corrélation 15 - Méthodologie des études épidémiologiques A - Tables statistiques
Tous droits de reproduction réservés aux auteurs
traduction HTML V2.7
V. Morice
|
 |
Chapitre 11 - Les tests d’hypothèses. Principes | | |
Résumé du chapitre
- Etapes de mise en œuvre des tests :
- Examiner le problème médical, aboutir à une formulation sous forme d’une question simple mettant en jeu deux hypothèses H0 (précise, dite hypothèse nulle) et H1 (contraire de H0, dite hypothèse alternative). Enoncer ces hypothèses.
- Construire un paramètre dépendant des données à venir dont on connaisse la distribution si H0 est juste.
- Choisir le seuil α ; α = 0,05
- Mettre en place la règle de décision sur la base d’un intervalle de pari au risque α.
- Faire l’expérience, les calculs et conclure sur le plan statistique. En particulier indiquer le degré de signification du test en cas de rejet de l’hypothèse nulle.
- Se livrer à une interprétation médicale des résultats du test (ce point sera revu au chapitre 15).
Vérifier les conditions de validité à l’étape 2 ou l’étape 5. - Mettre en œuvre un test c’est accepter deux risques d’erreur :
- le risque de première espèce, α, chiffrant la probabilité de rejeter H0 alors qu’elle est vraie,
- le risque de deuxième espèce, β, chiffrant la probabilité de ne pas rejeter H0 alors qu’elle est fausse.
La valeur 1-β s’appelle la puissance du test et mesure l’aptitude du test à détecter un écart entre la réalité et l’hypothèse nulle. Cette puissance augmente avec la taille des échantillons sur lesquels a été mis en œuvre le test.
| |
| |
