Une valeur p dit à quel point vos données sont surprenantes si rien ne se passe, mais elle ne dit pas avec quelle force elles soutiennent un vrai effet. Le calculateur de facteur de Bayes prend les succès, les essais et la chance nulle, et donne le facteur de Bayes pour l’alternative, le facteur de Bayes pour l’hypothèse nulle, la chance a posteriori de l’alternative, le log₁₀ du facteur et la valeur p bilatérale exacte pour comparaison.
Comment se fait le calcul
- Saisissez le nombre de succès et le nombre d’essais, par exemple 62 faces en 100 lancers de pièce.
- Saisissez la chance de succès sous l’hypothèse nulle, par exemple 0,5 pour une pièce équilibrée.
- L’alternative dit que la chance est inconnue, toutes les valeurs de 0 à 1 étant également probables au départ. Le facteur de Bayes BF₁₀ est la probabilité des données sous l’alternative divisée par celle sous l’hypothèse nulle.
- Avec une loi a priori uniforme, la probabilité des données sous l’alternative est 1 ÷ (n + 1), donc BF₁₀ = (1 ÷ (n + 1)) ÷ (C(n, k) × p₀ᵏ × (1 − p₀)ⁿ⁻ᵏ). Une valeur de 3 à 10 est une preuve modérée, et au-dessus de 10 une preuve forte.
Exemple
En 100 lancers de pièce, vous voyez 62 faces. Avec une pièce équilibrée, le test binomial exact donne une valeur p bilatérale de 0,0210, inférieure à 0,05. Le facteur de Bayes, avec une loi a priori uniforme sur la chance de face, est de BF₁₀ = 2,21. C’est seulement une preuve anecdotique à modérée en faveur d’une pièce biaisée, avec 68,9 % de chances qu’elle soit biaisée si l’on partait de cotes égales. Une valeur p proche de 0,02 n’indique pas une preuve forte, c’est pourquoi beaucoup de statisticiens préfèrent les facteurs de Bayes.
Pourquoi c’est utile
Mettre le facteur de Bayes à côté de la valeur p révèle à quel point un résultat qui semble significatif n’est parfois qu’une preuve faible. Cela permet aussi de chiffrer le soutien à l’hypothèse nulle, utile quand on veut montrer qu’une chose n’a pas d’effet. La comparaison aide à lire les études avec plus de soin.
À savoir
Le calcul vaut pour un test binomial avec une loi a priori uniforme sur la chance de succès sous l’alternative et une hypothèse nulle ponctuelle. D’autres modèles et d’autres lois a priori donnent d’autres valeurs. La chance a posteriori suppose des cotes a priori égales entre les deux hypothèses. La valeur p exacte double la plus petite queue, une convention courante pour un test bilatéral.
Outils liés
Le calculateur du théorème de Bayes met à jour une probabilité avec de nouvelles preuves, celui de valeur p convertit des statistiques en valeurs p, celui de la loi binomiale donne la chance d’un nombre de succès, et celui d’approximation normale estime les chances binomiales pour de grands échantillons.