Qu’est-ce que la signification statistique ?
La signification statistique est la détermination par un analyste que les résultats des données ne sont pas explicables par le seul hasard. La vérification statistique des hypothèses est la méthode par laquelle l’analyste fait cette détermination. Ce test fournit une valeur p, qui est la probabilité d’observer des résultats aussi extrêmes que ceux des données, en supposant que les résultats sont vraiment dus au seul hasard. Une valeur p de 5 % ou moins est souvent considérée comme statistiquement significative.
Points clés à retenir
- La signification statistique est la détermination qu’une relation entre deux ou plusieurs variables est causée par autre chose que le hasard.
- La signification statistique est utilisée pour fournir des preuves concernant la plausibilité de l’hypothèse nulle, qui suppose qu’il n’y a rien de plus que le hasard à l’œuvre dans les données.
- Le test d’hypothèse statistique est utilisé pour déterminer si le résultat d’un ensemble de données est statistiquement significatif.
1:26
Comprendre la signification statistique
La signification statistique est une détermination sur l’hypothèse nulle, qui suppose que les résultats sont dus au seul hasard. Un ensemble de données fournit une signification statistique lorsque la valeur p est suffisamment petite.
Lorsque la p-value est importante, les résultats des données sont alors explicables par le seul hasard, et les données sont jugées cohérentes avec l’hypothèse nulle (sans pour autant la prouver).
Lorsque la valeur p est suffisamment faible (par exemple, 5 % ou moins), les résultats ne s’expliquent pas facilement par le seul hasard, et les données sont jugées incohérentes par rapport à l’hypothèse nulle ; dans ce cas, l’hypothèse nulle du seul hasard comme explication des données est rejetée au profit d’une explication plus systématique.
La signification statistique est souvent utilisée pour les essais de nouveaux médicaments pharmaceutiques, pour tester les vaccins et dans l’étude de la pathologie pour les tests d’efficacité et pour informer les investisseurs sur la réussite de l’entreprise à lancer de nouveaux produits.
Exemple de signification statistique
Supposons que Joe Sample, un analyste financier, soit curieux de savoir si certains investisseurs ont eu connaissance à l’avance de la faillite soudaine d’une entreprise. Joe décide de comparer la moyenne des rendements quotidiens du marché avant la faillite de l’entreprise avec ceux après pour voir s’il y a une différence statistiquement significative entre les deux moyennes.
La p-value de l’étude était de 28% (>5%), ce qui indique qu’une différence aussi importante que celle observée (-0,0033 à +0,0007) n’est pas inhabituelle sous l’explication du hasard. Ainsi, les données ne fournissent pas de preuves irréfutables d’une connaissance préalable de l’échec. D’autre part, si la valeur p était de 0,01% (bien moins de 5%), la différence observée serait très inhabituelle dans le cadre de l’explication aléatoire. Dans ce cas, Joe peut décider de rejeter l’hypothèse nulle et d’examiner plus avant si certains traders avaient connaissance de la défaillance à l’avance.
La signification statistique est également utilisée pour tester de nouveaux produits médicaux, y compris les médicaments, les appareils et les vaccins. Des rapports publics de signification statistique informent également les investisseurs sur le succès de l’entreprise dans la mise sur le marché de nouveaux produits.
Par exemple, Novo Nordisk, un leader pharmaceutique dans le domaine des médicaments contre le diabète, a indiqué qu’il y avait eu une réduction statistiquement significative du diabète de type 1 lorsqu’il a testé sa nouvelle insuline. Le test a consisté en 26 semaines de thérapie randomisée parmi les patients diabétiques, et les données ont donné une valeur p inférieure à 5%. Cela signifie pour les investisseurs et les organismes de réglementation que les données montrent une réduction statistiquement significative du diabète de type 1. Les cours des actions des sociétés pharmaceutiques sont souvent fortement influencés par les annonces de la signification statistique de leurs nouveaux produits.