Discuter:Test (statistique)

Un article de Wikipédia, l'encyclopédie libre.

	Test (statistique) fait partie du projet Mathématiques, qui a pour but d'enrichir le contenu de Wikipédia sur les sujets liés aux mathématiques. Si vous voulez participer, vous pouvez modifier cet article ou visiter la page du projet, où vous pourrez vous joindre au projet et consulter la liste des tâches et des objectifs. Le portail Mathématiques pourrait aussi vous intéresser.
Ébauche	Cet article a été classé comme d'Avancement ébauche selon le Tableau d'évaluation du projet. (Voir les statistiques)
Élevée	Cet article a été classé comme d'Importance élevée selon le Tableau d'évaluation du projet.

Les tests de chi2 et de Kolmogorov-Smirnov peuvent s'appliquer sur une variable aléatoire suivant potentiellement une loi inconnue. Ils font donc partie des tests non paramètrique.

Il me semble qu'il y a une erreur dans le sens des inégalités pour le rejet de H0 en fonction de la p value et du niveau de significance. Une manière simple de définir la p-value est également de dire que plus celle-ci est faible et plus on a de preuve "contre" l'hypothèse nulle. A voir si intéressant à implémenter.

[modifier] Sens des inégalites sur le rejet de l'hypothese nulle selon p-value

Il semble bien que le sens des inégalités définissant l'acceptation ou le rejet de l'hypothèse nulle suivant la p_value est inversé.

Indeniablement, il y a une confusion complete dans cet article entre les tests d'hypotheses introduits par Neyman-Pearson et ceux introduits par Fisher. Dans l'approche de Neyman-Pearson, on peut parler des erreurs de premiere et seconde espece car on introduit deux hypotheses. Par contre, habituellement le choix ne se fait pas a partir d'une p-value mais d'un rapport de vraisemblance. Dans l'approche de Fisher, l'introduction d'une hypothese alternative H1 n'est pas necessaire. On calcule juste une p-value qui donne une idee de la signifiance du resultat. Merci de se reporter a l'article wikipedia en anglais sur les p-value et en particulier sur le lien "Historical background on the widespread confusion of the p-value". http://en.wikipedia.org/wiki/P-value