Raisonnement dichotomique
Cet article est orphelin. Moins de trois articles lui sont liés ().
Vous pouvez aider en ajoutant des liens vers [[Raisonnement dichotomique]] dans les articles relatifs au sujet.
Pour les articles homonymes, voir Dichotomie.
En statistique, le raisonnement dichotomique ou raisonnement binaire est le processus de voir une discontinuité dans les valeurs possibles qu'une valeur p peut prendre pendant le test d'hypothèse nulle: elle est soit au-dessus du seuil significatif (habituellement 0,05) ou au-dessous. En appliquant le raisonnement dichotomique, une première valeur p de 0,0499 sera interprétée comme une valeur p de 0,0001 (l'hypothèse nulle est rejetée) tandis qu'une seconde valeur p de 0,0501 sera interprétée comme une valeur p de 0,7 (l'hypothèse nulle est acceptée). Le fait que la première et la deuxième valeurs de p soient mathématiquement très proches est donc totalement ignoré et les valeurs de p ne sont pas considérées comme continues mais sont interprétées de manière dichotomique par rapport au seuil de significativité. Une mesure courante de la pensée dichotomique est le cliff effect[1].
La pensée dichotomique est très souvent associée aux valeurs p[2],[3] mais cela peut aussi arriver avec d'autres outils statistiques comme les techniques d'estimations basées sur les intervalles de confiance ou bayésiens[1].
Notes et références[modifier | modifier le code]
- Jerry Lai, « DICHOTOMOUS THINKING: A PROBLEM BEYOND NHST », ICOTS8,
- Robert Rosenthal et John Gaito, « title=The Interpretation of Levels of Significance by Psychological Researchers », The Journal of Psychology, Informa UK Limited, vol. 55, , p. 33-38 (ISSN 0022-3980, DOI 10.1080/00223980.1963.9916596)
- Nanette Nelson, Robert Rosenthal et Ralph L. Rosnow, « Interpretation of significance levels and effect sizes by psychological researchers », American Psychologist, American Psychological Association (APA), vol. 41, no 11, , p. 1299-1301 (ISSN 1935-990X, DOI 10.1037/0003-066x.41.11.1299)
