Aller au contenu
Omnikalc

Calculateur de facteur de Bayes : quelle force de preuve pour une pièce biaisée ?

Saisissez les succès, les essais et la chance nulle pour obtenir le facteur de Bayes, la chance a posteriori de l’alternative et la valeur p exacte.

Mis à jour le
Vos paramètres

Valeur hors limites

Valeur hors limites

Valeur hors limites

Résultats

Facteur de Bayes pour l’alternative (BF₁₀)

2,21

Preuve anecdotique ou non concluante
Facteur de Bayes pour l’hypothèse nulle (BF₀₁)
0,45
Chance que l’alternative soit vraie, à cotes a priori égales
68,9 %
log₁₀ de BF₁₀
0,35
Valeur p bilatérale (test binomial exact)
0,0210

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.

Questions fréquentes

Qu’est-ce qu’un facteur de Bayes ?

C’est le rapport de la qualité avec laquelle deux hypothèses prédisent les données. Un facteur de Bayes de 5 pour l’alternative signifie que les données sont cinq fois plus probables sous l’alternative que sous l’hypothèse nulle. Il indique de combien mettre à jour ses croyances : multipliez vos cotes a priori par le facteur pour obtenir les cotes a posteriori.

En quoi diffère-t-il d’une valeur p ?

Une valeur p est la chance d’obtenir des données au moins aussi extrêmes si l’hypothèse nulle est vraie. Elle ne dit rien directement sur l’alternative. Un facteur de Bayes compare deux modèles et peut montrer une preuve en faveur de l’hypothèse nulle, ce qu’une valeur p ne peut pas faire. Pour les mêmes données, une valeur p proche de 0,05 correspond souvent à un facteur de Bayes inférieur à 3.

Que signifie la loi a priori ici ?

L’alternative répartit ici sa croyance de façon égale sur toutes les chances de succès de 0 à 1. C’est un choix par défaut courant pour un test binomial. Une autre loi a priori, par exemple centrée près de l’hypothèse nulle, donnerait un autre facteur de Bayes, donc le résultat dépend de ce choix.

Comment lire l’échelle ?

Une échelle courante, due à Harold Jeffreys, parle de preuve anecdotique de 1 à 3, modérée de 3 à 10, forte de 10 à 30, très forte de 30 à 100 et extrême au-dessus de 100. Les mêmes plages s’appliquent en sens inverse pour l’hypothèse nulle, avec 1 divisé par le facteur. Les libellés sont des conventions, pas des lois.

Ce calculateur vous a-t-il été utile ?

Merci pour votre avis !

Résultats indicatifs fournis à titre d'information. Ils ne remplacent pas l'avis d'un professionnel.