Valeur p depuis la statistique F

La distribution F est la loi de référence de nombreux tests de rapport de variances : ANOVA à un facteur, tests F globaux de régression, égalité de deux variances d’échantillon et comparaisons de modèles emboîtés. Lorsque vous disposez déjà d’une statistique F observée et de ses degrés de liberté du numérateur et du dénominateur, la question pratique est presque toujours la même : à quel point ce rapport est-il extrême sous l’hypothèse nulle ? La valeur p de queue supérieure y répond par un seul nombre entre zéro et un. Ce calculateur n’accepte que le triplet classique — F, df1 et df2 — et renvoie P(F supérieur à la valeur observée) via l’identité de la beta incomplète régularisée, sans tables à consulter ni macros de tableur. Les degrés de liberté inférieurs à un sont rejetés, car ils sortent de la famille F habituelle des manuels et des logiciels.

Ce que signifie la valeur p de queue supérieure de F

Sous une hypothèse nulle selon laquelle deux variances du khi-deux indépendantes partagent la même échelle, le rapport de leurs carrés moyens suit une loi F dont les degrés de liberté du numérateur égalent ceux du premier khi-deux et ceux du dénominateur ceux du second.

De grandes valeurs F observées signifient que le carré moyen du numérateur est bien plus grand que celui du dénominateur, ce qui est exactement le sens que privilégient la plupart des tests classiques : variance entre groupes plus grande que la variance résiduelle, modèle de régression plus grand que le résidu, ou variance du premier échantillon plus grande que celle du second. La valeur p de queue supérieure est la probabilité, sous cette distribution F nulle, d’obtenir un F au moins aussi grand que celui observé.

Une petite valeur p constitue une preuve contre la nulle dans ce sens unilatéral ; une grande valeur p indique que le rapport est ordinaire pour les degrés de liberté indiqués. Ce point de terminaison n’estime pas F à partir de données brutes, n’exécute pas d’ANOVA multifactorielle et n’ajuste pas les comparaisons multiples : il convertit seulement un F déjà calculé et ses degrés de liberté en une probabilité de queue supérieure précise.

Les degrés de liberté continus sont admis lorsqu’ils valent au moins un ; des df fractionnaires apparaissent dans certaines approximations de Satterthwaite et Kenward–Roger, et la représentation beta incomplète les traite comme les df entiers.

Où un calculateur de valeur p depuis F se justifie

Les cours d’introduction à la statistique et à la planification d’expériences assignent d’innombrables exercices d’ANOVA et de F de régression : les étudiants calculent à la main le rapport des carrés moyens, puis ont besoin d’une probabilité de queue supérieure fiable sans feuilleter des tables F imprimées qui ne listent que quelques valeurs critiques.

Les chercheurs appliqués qui comparent deux variances résiduelles, ou qui lisent un F dans une table ANOVA publiée sans valeur p, peuvent retrouver le niveau de significativité à partir de la seule statistique et des degrés de liberté rapportés. Les ingénieurs qualité et les analystes de procédé qui ont déjà un F issu d’une étude de jauges ou d’un modèle emboîté de composantes de variance peuvent le convertir en valeur p pour le reporting sans ouvrir de logiciel de bureau.

Si vous avez ensuite besoin de tests pairés Tukey HSD après ANOVA, d’une matrice de plan multifactorielle complète ou d’une valeur p d’adéquation du khi-deux, traitez-les comme des intentions de recherche et des pages d’atterrissage distinctes plutôt que de surcharger cette page F vers valeur p.