L’inf\u00e9rence statistique contemporaine repose sur une dialectique permanente entre l’observation empirique et le contr\u00f4le rigoureux du doute. Lorsqu’un chercheur, un biostatisticien ou un mod\u00e9lisateur soumet une hypoth\u00e8se th\u00e9orique \u00e0 l’\u00e9preuve des faits, il se heurte in\u00e9vitablement \u00e0 la nature probabiliste des donn\u00e9es collect\u00e9es. Les lois de l’\u00e9chantillonnage impliquent qu’aucun \u00e9chantillon fini ne peut refl\u00e9ter avec une certitude absolue les propri\u00e9t\u00e9s int\u00e9grales d’une population parente. Dans cet espace fondamentalement incertain, h\u00e9rit\u00e9 des d\u00e9bats \u00e9pist\u00e9mologiques du d\u00e9but du XXe si\u00e8cle, toute d\u00e9cision d’admettre ou de r\u00e9futer une r\u00e9gularit\u00e9 observ\u00e9e expose l’analyste \u00e0 des risques d’\u00e9garement logique dont la formalisation constitue le socle m\u00eame de la m\u00e9thode scientifique moderne.<\/p>\n
Cette gestion quantitative de l’incertitude ne rel\u00e8ve pas d’une simple v\u00e9rification comptable de la variabilit\u00e9 des donn\u00e9es, mais proc\u00e8de d’un cadre d\u00e9cisionnel contraignant au sein duquel s’opposent deux types d’erreurs aux dynamiques antagonistes. D’un c\u00f4t\u00e9, le risque de proclamer une d\u00e9couverte illusoire en attribuant aux donn\u00e9es une structure qui n’est que le produit des fluctuations d’\u00e9chantillonnage ; de l’autre, le risque de passer sous silence une r\u00e9alit\u00e9 tangible en rel\u00e9guant un ph\u00e9nom\u00e8ne authentique au rang de simple bruit al\u00e9atoire. C’est pr\u00e9cis\u00e9ment dans la tension math\u00e9matique, \u00e9pist\u00e9mique et pratique entre ces deux p\u00e9rils que se d\u00e9ploie la confrontation conceptuelle entre le niveau alpha et le niveau b\u00eata.<\/p>\n
Comprendre la nature, les m\u00e9canismes r\u00e9gulateurs et les implications concr\u00e8tes de ces deux seuils constitue un imp\u00e9ratif m\u00e9thodologique pour toute d\u00e9marche scientifique rigoureuse. Loin d’\u00eatre de simples param\u00e8tres techniques fix\u00e9s par convention m\u00e9canique dans les progiciels d’analyse, le niveau alpha et le niveau b\u00eata mat\u00e9rialisent des choix philosophiques profonds quant \u00e0 la valeur de la preuve, la tol\u00e9rance au doute et l’allocation des ressources scientifiques et \u00e9conomiques. Le pr\u00e9sent article propose une d\u00e9construction exhaustive de cette dualit\u00e9 inf\u00e9rentielle, en explorant ses fondements historiques, ses propri\u00e9t\u00e9s probabilistes, ses zones de friction et ses applications strat\u00e9giques dans la recherche contemporaine.<\/p>\n
L’\u00e9dification de la th\u00e9orie moderne des tests d’hypoth\u00e8ses statistiques trouve son impulsion matricielle dans les travaux fondateurs de Jerzy Neyman et Egon Sharpe Pearson \u00e0 la fin des ann\u00e9es 1920 et au d\u00e9but des ann\u00e9es 1930. Avant leurs publications s\u00e9minales de 1928 et 1933 dans les revues Biometrika<\/a> et les Philosophical Transactions of the Royal Society of London<\/em>, la pratique dominante de l’inf\u00e9rence reposait largement sur les tests de signification introduits par Ronald Aylmer Fisher. Dans la conception fisherienne, le chercheur formule une seule hypoth\u00e8se, dite hypoth\u00e8se nulle (d\u00e9sign\u00e9e conventionnellement sous le symbole $H_0$<\/span>), postulant l’absence de divergence ou d’effet au sein de la population. Si les donn\u00e9es recueillies s’av\u00e8rent hautement improbables sous l’empire de cette hypoth\u00e8se de r\u00e9f\u00e9rence, celle-ci est consid\u00e9r\u00e9e comme discr\u00e9dit\u00e9e, invitant l’exp\u00e9rimentateur \u00e0 la m\u00e9fiance sans pour autant formaliser math\u00e9matiquement un sc\u00e9nario alternatif concurrent.<\/p>\n Jerzy Neyman et Egon Pearson ont op\u00e9r\u00e9 une rupture \u00e9pist\u00e9mologique majeure en transformant ce test de signification descriptif en un syst\u00e8me formalis\u00e9 de d\u00e9cision sous incertitude, connu sous le nom de th\u00e9orie des tests d’hypoth\u00e8ses statistiques. Leur intuition fondamentale r\u00e9side dans l’impossibilit\u00e9 logique de rejeter rationnellement une hypoth\u00e8se sans concevoir explicitement une alternative plausible susceptible d’expliquer les observations. Ils introduisent ainsi l’hypoth\u00e8se alternative (not\u00e9e $H_1$<\/span> ou $H_A$<\/span>), cr\u00e9ant une structure bivari\u00e9e de d\u00e9cision au sein de laquelle l’analyste n’\u00e9value plus seulement la compatibilit\u00e9 des donn\u00e9es avec $H_0$<\/span>, mais choisit formellement entre deux cours d’action rivaux : agir comme si l’hypoth\u00e8se nulle \u00e9tait v\u00e9rifi\u00e9e ou agir comme si l’hypoth\u00e8se alternative d\u00e9crivait fid\u00e8lement le r\u00e9el.<\/p>\n Cette formalisation d\u00e9cisionnelle impose une cons\u00e9quence directe : toute d\u00e9duction op\u00e9r\u00e9e sur un \u00e9chantillon probabiliste comporte un risque irr\u00e9ductible de m\u00e9prise. Neyman et Pearson ont alors postul\u00e9 la n\u00e9cessit\u00e9 de borner a priori ces risques d’erreur afin de garantir la fiabilit\u00e9 \u00e0 long terme du processus scientifique, un principe d\u00e9sign\u00e9 sous l’expression de comportement inductif (inductive behavior<\/em>). D\u00e8s lors, la th\u00e9orie statistique ne pr\u00e9tend plus mesurer le degr\u00e9 de v\u00e9rit\u00e9 intrins\u00e8que d’une th\u00e9orie scientifique sur la base d’une exp\u00e9rience unique, mais fournit une r\u00e8gle op\u00e9ratoire stricte dont l’application r\u00e9it\u00e9r\u00e9e garantit que le taux d’erreurs commises dans une s\u00e9quence ind\u00e9finie d’exp\u00e9riences demeurera inf\u00e9rieur \u00e0 un plafond math\u00e9matiquement contr\u00f4l\u00e9. De cette exigence est n\u00e9e la distinction cardinale entre le risque de premi\u00e8re esp\u00e8ce, associ\u00e9 au niveau alpha, et le risque de seconde esp\u00e8ce, associ\u00e9 au niveau b\u00eata.<\/p>\n En d\u00e9pit de la rigueur math\u00e9matique du mod\u00e8le de Neyman-Pearson, la pratique de l’inf\u00e9rence dans les sciences empiriques souffre depuis des d\u00e9cennies d’une synth\u00e8se hybride et incoh\u00e9rente entre les pr\u00e9ceptes de Fisher et ceux de Neyman-Pearson, souvent qualifi\u00e9e de \u00ab rituel anonyme des tests de signification \u00bb par des m\u00e9thodologistes comme Gerd Gigerenzer. La manifestation la plus pernicieuse de cette confusion r\u00e9side dans l’assimilation erron\u00e9e et quasi universelle entre le niveau de signification pr\u00e9-exp\u00e9rimental alpha et la valeur-p (ou p-value<\/em>) observ\u00e9e a posteriori. Alors qu’alpha constitue un seuil critique invariable d\u00e9termin\u00e9 avant la collecte des donn\u00e9es pour d\u00e9limiter l’espace de rejet de $H_0$<\/span>, la valeur-p repr\u00e9sente une variable al\u00e9atoire continue refl\u00e9tant la probabilit\u00e9 conditionnelle d’obtenir une statistique de test au moins aussi extr\u00eame que celle observ\u00e9e, sous l’hypoth\u00e8se o\u00f9 $H_0$<\/span> est vraie. Confondre ces deux entit\u00e9s conduit \u00e0 interpr\u00e9ter fallacieusement la valeur-p comme une mesure directe du risque d’erreur consenti \u00e0 chaque test singulier.<\/p>\n Cette myopie m\u00e9thodologique a historiquement favoris\u00e9 une n\u00e9gligence alarmante du risque de seconde esp\u00e8ce (le niveau b\u00eata), au profit exclusif de la sacralisation du seuil alpha fix\u00e9 arbitrairement \u00e0 5 %. Les chercheurs ont pris l’habitude de se concentrer sur l’\u00e9vitement du faux positif, en consid\u00e9rant tacitement que l’obtention d’un r\u00e9sultat \u00ab non statistiquement significatif \u00bb relevait simplement de l’absence de preuve, sans s’interroger sur la capacit\u00e9 r\u00e9elle de leur protocole \u00e0 d\u00e9tecter l’effet s’il existait. Comme l’a abondamment document\u00e9 Jacob Cohen d\u00e8s 1962 dans ses analyses de la puissance des recherches en psychologie comportementale, cette asym\u00e9trie d’attention a satur\u00e9 la litt\u00e9rature scientifique d’\u00e9tudes sous-dimensionn\u00e9es, incapables structurellement d’identifier des effets pourtant d’une importance th\u00e9orique ou clinique consid\u00e9rable.<\/p>\n Les cons\u00e9quences de cette n\u00e9gligence syst\u00e9mique sur la reproductibilit\u00e9 des r\u00e9sultats scientifiques contemporains sont profondes. Lorsque des protocoles caract\u00e9ris\u00e9s par un niveau b\u00eata \u00e9lev\u00e9 (c’est-\u00e0-dire une puissance statistique m\u00e9diocre) parviennent fortuitement \u00e0 franchir le seuil d’alpha de 0,05, ils le font souvent \u00e0 la faveur d’une surestimation substantielle de la taille d’effet r\u00e9elle, un ph\u00e9nom\u00e8ne connu sous le vocable de \u00ab mal\u00e9diction du vainqueur \u00bb (winner’s curse<\/em>). Lorsque d’autres \u00e9quipes tentent ult\u00e9rieurement de reproduire ces d\u00e9couvertes en utilisant des \u00e9chantillons de taille similaire, l’exp\u00e9rience \u00e9choue immanquablement \u00e0 rejeter l’hypoth\u00e8se nulle, non pas n\u00e9cessairement parce que l’effet original \u00e9tait inexistant, mais parce que le risque b\u00eata n’a jamais \u00e9t\u00e9 ma\u00eetris\u00e9. Clarifier les r\u00f4les compl\u00e9mentaires, les fronti\u00e8res g\u00e9om\u00e9triques et les tensions inh\u00e9rentes entre le niveau alpha et le niveau b\u00eata appara\u00eet donc comme un pr\u00e9alable indispensable pour assainir les pratiques d’inf\u00e9rence.<\/p>\n La gestion conjointe des niveaux alpha et b\u00eata ne rel\u00e8ve pas d’une pr\u00e9occupation purement acad\u00e9mique ; elle conditionne l’ensemble de l’architecture m\u00e9thodologique des protocoles de recherche et gouverne directement le dimensionnement des cohortes d’\u00e9tude. Dans toute investigation empirique, la taille d’\u00e9chantillon n\u00e9cessaire pour tester une hypoth\u00e8se avec une pr\u00e9cision donn\u00e9e est une fonction math\u00e9matique directe des seuils d’erreur accept\u00e9s par l’exp\u00e9rimentateur, de la variance inh\u00e9rente au ph\u00e9nom\u00e8ne mesur\u00e9 et de la taille d’effet minimale consid\u00e9r\u00e9e comme substantiellement pertinente. R\u00e9duire aveugl\u00e9ment le niveau alpha sans ajuster la taille de l’\u00e9chantillon provoque math\u00e9matiquement une explosion du niveau b\u00eata, privant l’investigation de sa capacit\u00e9 exploratoire ou confirmatoire.<\/p>\n Cette m\u00e9canique des risques d’erreur entra\u00eene des r\u00e9percussions financi\u00e8res, \u00e9thiques et scientifiques majeures. Sur le plan financier, l’inclusion d’un nombre excessif de sujets dans un essai clinique afin de comprimer simultan\u00e9ment alpha et b\u00eata \u00e0 des niveaux infinit\u00e9simaux engendre des surco\u00fbts colossaux qui peuvent condamner la viabilit\u00e9 \u00e9conomique d’un programme de recherche. \u00c0 l’inverse, recruter une cohorte notoirement insuffisante constitue un gaspillage pur et simple de ressources mat\u00e9rielles et intellectuelles, puisque l’\u00e9tude r\u00e9sultante g\u00e9n\u00e9rera une incertitude presque aussi dense que l’ignorance pr\u00e9alable. Sur le plan \u00e9thique, particuli\u00e8rement dans la recherche biom\u00e9dicale impliquant des sujets humains ou des mod\u00e8les animaux, soumettre des participants aux contraintes, aux inconforts, voire aux risques iatrog\u00e8nes d’un protocole exp\u00e9rimental dont la puissance statistique est trop faible pour aboutir \u00e0 une conclusion robuste constitue un manquement direct aux principes fondamentaux de la d\u00e9claration d’Helsinki.<\/p>\n Par cons\u00e9quent, les standards contemporains de la recherche exigent une d\u00e9marche prospective rigoureusement formalis\u00e9e au sein des protocoles d’\u00e9tude. Cette contractualisation a priori, d\u00e9sormais impos\u00e9e par les grandes agences de r\u00e9gulation telles que l’U.S. Food and Drug Administration (FDA)<\/a> ou l’Agence europ\u00e9enne des m\u00e9dicaments (EMA)<\/a>, interdit l’ajustement opportuniste des seuils apr\u00e8s observation des r\u00e9sultats. Elle impose d’expliciter, avant toute inclusion, la matrice d\u00e9cisionnelle compl\u00e8te unissant le risque d’erreur de premi\u00e8re esp\u00e8ce au risque d’erreur de seconde esp\u00e8ce. Seule une calibration lucide et int\u00e9gr\u00e9e de ces deux param\u00e8tres permet de concilier l’efficience \u00e9conomique des protocoles, la protection d\u00e9ontologique des sujets et la validit\u00e9 \u00e9pist\u00e9mique des connaissances produites.<\/p>\n Le niveau alpha ($\\alpha$<\/span>), commun\u00e9ment qualifi\u00e9 de risque de premi\u00e8re esp\u00e8ce ou de niveau de signification nominal, se d\u00e9finit formellement dans le langage de la th\u00e9orie des probabilit\u00e9s comme la probabilit\u00e9 conditionnelle de rejeter \u00e0 tort l’hypoth\u00e8se nulle sachant que celle-ci est rigoureusement vraie dans la population cible. Sur le plan symbolique, cette formalisation s’exprime de la mani\u00e8re suivante :<\/p>\n $$\\alpha = P(\\text{Rejeter } H_0 mid H_0 \\text{ est vraie})$$<\/span><\/p>\n Ce param\u00e8tre quantifie ainsi la fr\u00e9quence maximale tol\u00e9r\u00e9e des faux positifs sur une suite infinie de r\u00e9plications hypoth\u00e9tiques d’une exp\u00e9rience donn\u00e9e, sous l’hypoth\u00e8se stricte que la r\u00e9alit\u00e9 sous-jacente est parfaitement d\u00e9crite par le mod\u00e8le nul d’absence d’effet ou d’\u00e9quivalence stochastique.<\/p>\n D’un point de vue g\u00e9om\u00e9trique et distributionnel, le choix pr\u00e9alable de la valeur num\u00e9rique d’alpha d\u00e9limite ce que Neyman et Pearson ont nomm\u00e9 la r\u00e9gion critique (ou zone de rejet), not\u00e9e traditionnellement $\\mathcal{R}_\\alpha$<\/span>, au sein de la distribution d’\u00e9chantillonnage de la statistique de test consid\u00e9r\u00e9e (qu’il s’agisse d’un score standardis\u00e9 $Z$<\/span>, d’une statistique $t$<\/span> de Student, d’un rapport de variance $F$<\/span> de Fisher-Snedecor ou d’un $\\chi^2$<\/span>). Cette distribution est int\u00e9gralement g\u00e9n\u00e9r\u00e9e sous la condition que $H_0$<\/span> est exacte. L’espace total sous la courbe de densit\u00e9 de probabilit\u00e9 repr\u00e9sentant l’unit\u00e9 (1), la r\u00e9gion critique correspond \u00e0 une fraction de cette aire \u00e9gale \u00e0 $\\alpha$<\/span>. Selon que le test est formul\u00e9 de mani\u00e8re bilat\u00e9rale ou unilat\u00e9rale, cette aire est r\u00e9partie sym\u00e9triquement entre les deux queues de la distribution (chacune d’une surface de $alpha\/2$<\/span>) ou concentr\u00e9e int\u00e9gralement dans l’une des extr\u00e9mit\u00e9s de la distribution directionnelle.<\/p>\n Il est fondamental de souligner l’ind\u00e9pendance structurelle absolue du niveau alpha vis-\u00e0-vis des caract\u00e9ristiques de l’hypoth\u00e8se alternative. Le calcul et la d\u00e9limitation de la r\u00e9gion critique n’empruntent rigoureusement aucun \u00e9l\u00e9ment math\u00e9matique \u00e0 $H_1$<\/span>, ni \u00e0 l’amplitude pr\u00e9visible ou hypoth\u00e9tique d’un \u00e9ventuel effet r\u00e9el. Alpha op\u00e8re exclusivement comme une contrainte impos\u00e9e par l’exp\u00e9rimentateur sur le comportement du test face au hasard de l’\u00e9chantillonnage. En d’autres termes, $\\alpha$<\/span> constitue le plafond normatif du risque consenti a priori, garantissant que, si le monde est effectivement gouvern\u00e9 par l’hypoth\u00e8se nulle, l’appareil m\u00e9thodologique ne conclura \u00e0 tort \u00e0 l’existence d’une d\u00e9viation syst\u00e9matique que dans une fraction pr\u00e9cis\u00e9ment born\u00e9e des cas.<\/p>\n Dans l’immense majorit\u00e9 des publications relevant des sciences de la vie, de la m\u00e9decine, de l’\u00e9conomie et des sciences sociales, le niveau alpha fait l’objet d’un consensus quasi universel fix\u00e9 \u00e0 la valeur de 0,05, soit une probabilit\u00e9 de 5 % d’\u00e9mettre un faux positif. Cette valeur ne repose pourtant sur aucune loi physique, universelle ou math\u00e9matique immuable. Son statut canonique d\u00e9coule d’un choix pragmatique propos\u00e9 par Ronald A. Fisher en 1925 dans son ouvrage matriciel Statistical Methods for Research Workers<\/em>. Fisher sugg\u00e9rait qu’un \u00e9v\u00e9nement survenant par pur hasard moins d’une fois sur vingt (soit $p = 0,05$<\/span>, correspondant approximativement \u00e0 deux \u00e9carts-types de part et d’autre de la moyenne dans une loi normale) repr\u00e9sentait un seuil empirique commode pour inciter le chercheur \u00e0 consid\u00e9rer que l’effet observ\u00e9 m\u00e9ritait un examen plus approfondi.<\/p>\n Ce seuil de 5 % pr\u00e9sente toutefois des disparit\u00e9s consid\u00e9rables sit\u00f4t que l’on quitte les sciences exp\u00e9rimentales conventionnelles pour explorer d’autres domaines d’investigation :<\/p>\n Le traitement des comparaisons multiples constitue le d\u00e9fi technique central du contr\u00f4le d’alpha. Lorsque plusieurs tests statistiques sont men\u00e9s ind\u00e9pendamment au sein d’une m\u00eame exp\u00e9rimentation, la probabilit\u00e9 d’observer au moins un faux positif augmente de mani\u00e8re exponentielle. Ce ph\u00e9nom\u00e8ne d’inflation du risque global est mesur\u00e9 par le taux d’erreur par famille de tests (Family-Wise Error Rate<\/em>, ou FWER). Si l’on r\u00e9alise $k$<\/span> tests d’hypoth\u00e8ses ind\u00e9pendants, chacun au seuil nominal $\\alpha$<\/span>, la probabilit\u00e9 globale d’\u00e9mettre au moins une erreur de premi\u00e8re esp\u00e8ce s’\u00e9l\u00e8ve \u00e0 :<\/p>\n $$\\text{FWER} = 1 – (1 – \\alpha)^k$$<\/span><\/p>\n Pour une batterie de seulement dix tests ind\u00e9pendants conduits \u00e0 $\\alpha = 0,05$<\/span>, le FWER r\u00e9el grimpe d\u00e9j\u00e0 \u00e0 environ $40,1 %$, d\u00e9truisant l’assurance th\u00e9orique du contr\u00f4le du risque. Face \u00e0 cette prolif\u00e9ration d’erreurs stochastiques, la litt\u00e9rature a d\u00e9velopp\u00e9 diverses proc\u00e9dures math\u00e9matiques de correction :<\/p>\n La commission d’une erreur de premi\u00e8re esp\u00e8ce ne se r\u00e9sume pas \u00e0 une imperfection technique circonscrite au laboratoire ; elle engendre une onde de choc \u00e9pist\u00e9mique durable qui contamine l’\u00e9difice des connaissances scientifiques. Lorsqu’une fausse d\u00e9couverte est consacr\u00e9e par le statut de r\u00e9sultat statistiquement significatif au seuil standard, elle franchit le filtre de la r\u00e9vision par les pairs et s’inscrit dans la litt\u00e9rature primaire. En raison du biais de publication syst\u00e9mique qui privil\u00e9gie structurellement les r\u00e9sultats positifs au d\u00e9triment des tentatives de r\u00e9plication non concluantes, ces fausses associations acqui\u00e8rent une r\u00e9silience remarquable, s’enracinant dans les m\u00e9ta-analyses et les revues de la litt\u00e9rature avant que des protocoles contradictoires massifs ne parviennent \u00e9ventuellement \u00e0 les r\u00e9futer.<\/p>\n Le premier co\u00fbt engendr\u00e9 par cette prolif\u00e9ration de faux positifs est l’allocation st\u00e9rile de ressources mat\u00e9rielles, humaines et financi\u00e8res. Les annonces sensationnelles d’effets biologiques, psychologiques ou \u00e9conomiques sans r\u00e9alit\u00e9 intrins\u00e8que polarisent les financements publics et priv\u00e9s. Des centaines de doctorants, de post-doctorants et de laboratoires consacrent alors des ann\u00e9es de recherche \u00e0 tenter d’\u00e9lucider les m\u00e9canismes causaux ou les prolongements d’un ph\u00e9nom\u00e8ne qui n’a jamais \u00e9t\u00e9 qu’un artefact d’\u00e9chantillonnage. Ce d\u00e9tournement des trajectoires de recherche ralentit directement l’exploration de pistes scientifiques authentiquement f\u00e9condes.<\/p>\n Sur le plan soci\u00e9tal, r\u00e9glementaire et sanitaire, les r\u00e9percussions du faux positif peuvent \u00eatre d\u00e9vastatrices. L’homologation d’un compos\u00e9 pharmaceutique ou d’un dispositif m\u00e9dical sur la base d’un essai de phase III ayant conclu \u00e0 tort \u00e0 sa sup\u00e9riorit\u00e9 par rapport \u00e0 un placebo ou \u00e0 un traitement de r\u00e9f\u00e9rence expose des millions de patients \u00e0 des th\u00e9rapies inefficaces. Cette exposition s’accompagne d’effets ind\u00e9sirables potentiels, tout en privant les malades d’alternatives th\u00e9rapeutiques \u00e9prouv\u00e9es ou en suspendant la recherche d’autres mol\u00e9cules prometteuses. Le co\u00fbt humain et \u00e9conomique support\u00e9 par les syst\u00e8mes de sant\u00e9 publique illustre avec acuit\u00e9 la raison pour laquelle les instances de r\u00e9gulation maintiennent une intransigeance historique vis-\u00e0-vis du contr\u00f4le du niveau alpha.<\/p>\n Le niveau b\u00eata ($\\beta$<\/span>), d\u00e9sign\u00e9 dans la terminologie statistique comme le risque d’erreur de seconde esp\u00e8ce, correspond \u00e0 la probabilit\u00e9 conditionnelle d’\u00e9chouer \u00e0 rejeter l’hypoth\u00e8se nulle lorsque celle-ci est concr\u00e8tement fausse et qu’une hypoth\u00e8se alternative $H_1$<\/span> d\u00e9crit fid\u00e8lement la r\u00e9alit\u00e9 de la population sous-jacente. Formellement, il s’\u00e9nonce comme suit :<\/p>\n $$\\beta = P(\\text{Conserver } H_0 mid H_1 \\text{ est vraie})$$<\/span><\/p>\n Le niveau b\u00eata mat\u00e9rialise donc le taux d’erreur par omission, c’est-\u00e0-dire la probabilit\u00e9 d’enregistrer un \u00ab faux n\u00e9gatif \u00bb, consistant \u00e0 conclure \u00e0 l’absence de preuve d’un effet ou d’une diff\u00e9rence qui existe pourtant bel et bien dans le monde r\u00e9el.<\/p>\n Contrairement au niveau alpha qui s’\u00e9value sous un mod\u00e8le nul unique et invariable (g\u00e9n\u00e9ralement centr\u00e9 sur une diff\u00e9rence nulle, $\\delta = 0$<\/span>), l’\u00e9valuation math\u00e9matique de b\u00eata exige imp\u00e9rativement la sp\u00e9cification explicite d’une valeur param\u00e9trique au sein de l’espace d\u00e9fini par l’hypoth\u00e8se alternative. L’affirmation vague \u00ab il existe un effet \u00bb ($H_1: \\theta ne \\theta_0$<\/span>) est math\u00e9matiquement insuffisante pour calculer une probabilit\u00e9 conditionnelle d’erreur de seconde esp\u00e8ce. L’analyste doit formuler une hypoth\u00e8se alternative ponctuelle ou composite restreinte, postulant une amplitude d’effet sp\u00e9cifique ($H_1: \\theta = \\theta_1$<\/span>, o\u00f9 $\\theta_1 = \\theta_0 + \\delta$<\/span>). C’est uniquement en r\u00e9f\u00e9rence \u00e0 cet \u00e9cart param\u00e9trique calibr\u00e9 $\\delta$<\/span> que la distribution d’\u00e9chantillonnage de la statistique de test sous $H_1$<\/span> peut \u00eatre formellement construite.<\/p>\n Sur le plan g\u00e9om\u00e9trique, la distribution sous $H_1$<\/span> se pr\u00e9sente sous la forme d’une courbe de densit\u00e9 de probabilit\u00e9 d\u00e9cal\u00e9e sur l’axe des abscisses par rapport \u00e0 la distribution nulle sous $H_0$<\/span>. La fronti\u00e8re de la r\u00e9gion critique \u00e9tant pr\u00e9alablement ancr\u00e9e par le niveau alpha sur la distribution sous $H_0$<\/span>, cette m\u00eame fronti\u00e8re partitionne la distribution sous $H_1$<\/span> en deux segments distincts. L’aire sous la courbe de la distribution alternative situ\u00e9e \u00e0 l’int\u00e9rieur de la zone d’acceptation (ou de non-rejet) de $H_0$<\/span> d\u00e9finit g\u00e9om\u00e9triquement la quantit\u00e9 $\\beta$<\/span>. R\u00e9ciproquement, l’aire r\u00e9siduelle situ\u00e9e \u00e0 l’int\u00e9rieur de la zone de rejet critique repr\u00e9sente la capacit\u00e9 du test \u00e0 d\u00e9tecter avec succ\u00e8s cet effet sp\u00e9cifique.<\/p>\n De cette topologie probabiliste d\u00e9coule la relation fondamentale qui lie intimement le risque de seconde esp\u00e8ce \u00e0 la puissance statistique du test, d\u00e9finie par le compl\u00e9ment unitaire de b\u00eata :<\/p>\n1.2 La confusion conceptuelle r\u00e9currente entre les seuils d’erreur<\/h3>\n
1.3 Enjeux m\u00e9thodologiques d’une gestion int\u00e9gr\u00e9e des risques<\/h3>\n
2. Vue d’ensemble du Niveau Alpha : Le risque de premi\u00e8re esp\u00e8ce<\/h2>\n
2.1 D\u00e9finition math\u00e9matique et distribution conditionnelle<\/h3>\n
2.2 Conventions disciplinaires et ajustements pour tests multiples<\/h3>\n
\n
\n
2.3 Cons\u00e9quences \u00e9pist\u00e9miques et co\u00fbts du faux positif<\/h3>\n
3. Vue d’ensemble du Niveau B\u00eata : Le risque de seconde esp\u00e8ce et la puissance<\/h2>\n
3.1 D\u00e9finition th\u00e9orique et relation avec l’hypoth\u00e8se alternative<\/h3>\n