q = 1 – p<\/em>.<\/p>\nL’extension du mod\u00e8le \u00e9l\u00e9mentaire vers la loi binomiale repose sur la r\u00e9p\u00e9tition d’un nombre d\u00e9termin\u00e9 n<\/em> d’\u00e9preuves de Bernoulli sous trois postulats fondamentaux et incontournables. Le premier postulat exige la stabilit\u00e9 temporelle et contextuelle du param\u00e8tre stochastique : la probabilit\u00e9 de succ\u00e8s p<\/em> doit demeurer strictement constante d’un essai \u00e0 l’autre, interdisant toute modification des conditions environnementales ou de l’\u00e9tat interne du sujet mesur\u00e9. Le deuxi\u00e8me postulat stipule l’ind\u00e9pendance statistique mutuelle de tous les essais composant la s\u00e9quence exp\u00e9rimentale. Formellement, la survenue d’un succ\u00e8s ou d’un \u00e9chec \u00e0 l’essai i<\/em> ne doit modifier en aucune mani\u00e8re la probabilit\u00e9 de survenue d’un succ\u00e8s \u00e0 l’essai i + 1<\/em>, ce qui exclut th\u00e9oriquement tout effet de fatigue non contr\u00f4l\u00e9, d’apprentissage asym\u00e9trique ou d’hyst\u00e9r\u00e9sis comportementale non mod\u00e9lis\u00e9e.<\/p>\nLorsque ces conditions de validit\u00e9 sont rigoureusement satisfaites, la variable al\u00e9atoire discr\u00e8te X<\/em>, repr\u00e9sentant le nombre total cumul\u00e9 de succ\u00e8s observ\u00e9s au cours des n<\/em> essais ind\u00e9pendants, suit une loi binomiale de param\u00e8tres n<\/em> et p<\/em>, not\u00e9e math\u00e9matiquement X ~ B(n, p)<\/em>. La distribution de probabilit\u00e9 exacte permettant d’observer pr\u00e9cis\u00e9ment un nombre k<\/em> de succ\u00e8s, o\u00f9 k<\/em> est un entier compris dans l’intervalle ferm\u00e9 allant de 0 \u00e0 n<\/em>, est gouvern\u00e9e par la fonction de masse de probabilit\u00e9 suivante :<\/p>\nP(X = k) = C(n, k) * (p^k) * ((1 – p)^(n – k))<\/em><\/p>\nDans cette formulation alg\u00e9brique, le terme C(n, k)<\/em>, \u00e9galement d\u00e9sign\u00e9 sous l’appellation de coefficient binomial, quantifie le nombre total de combinaisons distinctes permettant d’agencer k<\/em> succ\u00e8s parmi n<\/em> essais possibles ind\u00e9pendamment de l’ordre d’apparition. Ce coefficient se calcule formellement par le rapport factoriel : n! \/ (k! * (n – k)!)<\/em>. Le terme p^k<\/em> mat\u00e9rialise la probabilit\u00e9 conjointe d’obtenir les k<\/em> succ\u00e8s postul\u00e9s, tandis que le terme (1 – p)^(n – k)<\/em> quantifie la probabilit\u00e9 r\u00e9siduelle d’observer les n – k<\/em> \u00e9checs restants. L’esp\u00e9rance math\u00e9matique de cette variable s’\u00e9tablit \u00e0 E(X) = n * p<\/em> et sa variance th\u00e9orique est d\u00e9finie par V(X) = n * p * (1 – p)<\/em>, refl\u00e9tant la dispersion intrins\u00e8que des r\u00e9alisations empiriques autour du centre de gravit\u00e9 probabiliste.<\/p>\n1.2 Applications empiriques du test binomial en sciences comportementales<\/h3>\n
Dans le champ des sciences comportementales, de la neuropsychologie clinique et des neurosciences cognitives, le test binomial constitue l’armature inf\u00e9rentielle de multiples paradigmes exp\u00e9rimentaux reposant sur le recueil de choix discrets. L’architecture paradigmatique la plus embl\u00e9matique est sans conteste le protocole de choix forc\u00e9 \u00e0 alternatives discr\u00e8tes, d\u00e9sign\u00e9 en psychophysique sous le sigle m-AFC<\/em> (m-Alternative Forced Choice<\/em>). Dans ces dispositifs m\u00e9thodologiques stricts, le participant est contraint de s\u00e9lectionner une r\u00e9ponse parmi un ensemble fini de m<\/em> stimuli concurrents. Sous l’hypoth\u00e8se de base stipulant que le sujet op\u00e8re sans traitement cognitif ou sensoriel du signal, le choix r\u00e9sulte d’une allocation al\u00e9atoire uniforme, conf\u00e9rant \u00e0 chaque stimulus une probabilit\u00e9 th\u00e9orique de s\u00e9lection accidentelle \u00e9gale \u00e0 p = 1 \/ m<\/em>. Le test binomial permet alors d’\u00e9valuer avec une pr\u00e9cision math\u00e9matique totale si le taux de reconnaissance empirique s’\u00e9carte significativement de ce plancher stochastique.<\/p>\nEn psychophysique de la vision et de l’audition, l’\u00e9valuation des seuils absolus et diff\u00e9rentiels de d\u00e9tection perceptuelle fait un usage syst\u00e9matique de cette formalisation stochastique. Lors de la pr\u00e9sentation de stimuli de luminance ou de fr\u00e9quence subliminale, les d\u00e9viations statistiques syst\u00e9matiques enregistr\u00e9es par rapport au niveau du hasard th\u00e9orique permettent d’objectiver l’existence de canaux de traitement implicites ou de m\u00e9canismes de perception sans conscience, en d\u00e9jouant les biais de d\u00e9sirabilit\u00e9 sociale ou les alt\u00e9rations d’autor\u00e9gulation verbale. Le chercheur est ainsi en mesure de d\u00e9terminer le point de transition stochastique o\u00f9 la performance perceptuelle s’\u00e9mancipe de l’al\u00e9a pour refl\u00e9ter un traitement neurobiologique structur\u00e9.<\/p>\n
Au-del\u00e0 de la psychophysique sensorielle, les paradigmes de cognition compar\u00e9e et de psychologie du d\u00e9veloppement pr\u00e9coce mobilisent intensivement le test binomial exact. Chez le nourrisson pr\u00e9verbal, l’orientation pr\u00e9f\u00e9rentielle du regard face \u00e0 deux cibles visuelles distinctes (paradigme de fixation visuelle pr\u00e9f\u00e9rentielle) constitue un format exp\u00e9rimental standard. \u00c9tant donn\u00e9 l’impossibilit\u00e9 d’obtenir de longues s\u00e9ries d’essais en raison de l’\u00e9puisement attentionnel du tr\u00e8s jeune enfant, les protocoles se limitent fr\u00e9quemment \u00e0 des \u00e9chantillons r\u00e9duits (par exemple 15 \u00e0 25 essais par sujet). Dans ces conditions d’\u00e9chantillonnage contraint, les tests asymptotiques continus s’av\u00e8rent totalement inop\u00e9rants et biais\u00e9s, consacrant la sup\u00e9riorit\u00e9 absolue du test binomial exact, capable de d\u00e9livrer des p-valeurs d’une rigueur absolue sans n\u00e9cessiter d’ajustements gaussiens hasardeux.<\/p>\n
1.3 Formulation rigoureuse des hypoth\u00e8ses statistiques nulle et alternative<\/h3>\n
L’\u00e9dification d’un protocole d’inf\u00e9rence fond\u00e9 sur le test binomial requiert une formalisation axiomatique rigoureuse des hypoth\u00e8ses rivales soumises \u00e0 la r\u00e9futation popp\u00e9rienne. Au c\u0153ur du processus inf\u00e9rentiel n\u00e9o-fisherien et neyman-pearsonien se trouve l’hypoth\u00e8se nulle, immuablement symbolis\u00e9e par H0<\/em>. Dans le cadre pr\u00e9cis du test binomial, H0<\/em> postule que le param\u00e8tre de succ\u00e8s sous-jacent de la population parente, not\u00e9 p<\/em>, est strictement \u00e9gal \u00e0 une valeur probabiliste de r\u00e9f\u00e9rence pr\u00e9d\u00e9termin\u00e9e th\u00e9oriquement, not\u00e9e p0<\/em>. Cette \u00e9galit\u00e9 fondamentale s’\u00e9crit formellement :<\/p>\nH0 : p = p0<\/em><\/p>\nLa valeur num\u00e9rique assign\u00e9e \u00e0 p0<\/em> d\u00e9coule imp\u00e9rativement de la structure a priori de la situation d’exp\u00e9rimentation. Dans une \u00e9preuve binaire sym\u00e9trique, telle que l’orientation motrice vers la gauche ou la droite en l’absence de biais lat\u00e9ral, p0<\/em> est fix\u00e9 \u00e0 0,50. Dans un protocole d’\u00e9valuation d’un choix visuel parmi cinq options \u00e9quivalentes, p0<\/em> sera rigoureusement \u00e9gal \u00e0 0,20. L’hypoth\u00e8se nulle mat\u00e9rialise l’absence de tout effet exp\u00e9rimental syst\u00e9matique, postulant que les variations observ\u00e9es au sein des donn\u00e9es r\u00e9sultent exclusivement de fluctuations d’\u00e9chantillonnage al\u00e9atoires autour de cette constante d’indiff\u00e9rence.<\/p>\n\u00c0 l’oppos\u00e9 de cette proposition conservatrice, l’hypoth\u00e8se alternative, not\u00e9e H1<\/em>, sp\u00e9cifie l’espace param\u00e9trique qui sera adopt\u00e9 si les donn\u00e9es empiriques contraignent au rejet formel de H0<\/em>. La formulation de H1<\/em> peut ob\u00e9ir \u00e0 deux logiques \u00e9pist\u00e9mologiques divergentes selon le degr\u00e9 d’avancement th\u00e9orique de la recherche :<\/p>\n\n- L’hypoth\u00e8se unilat\u00e9rale directionnelle :<\/strong> Elle postule a priori le sens vectoriel de la d\u00e9viation exp\u00e9rimentale attendue. Si le chercheur tente de d\u00e9montrer l’acquisition d’un apprentissage perceptif ou l’existence de capacit\u00e9s mn\u00e9siques r\u00e9siduelles, l’hypoth\u00e8se alternative unilat\u00e9rale sup\u00e9rieure s’\u00e9nonce : H1 : p > p0<\/em>. R\u00e9ciproquement, dans le cadre de recherches portant sur l’inhibition motrice s\u00e9lective ou la simulation volontaire d’un d\u00e9ficit cognitif (o\u00f9 le participant \u00e9vite intentionnellement les r\u00e9ponses exactes), l’hypoth\u00e8se unilat\u00e9rale inf\u00e9rieure s’\u00e9nonce : H1 : p < p0<\/em>.<\/li>\n
- L’hypoth\u00e8se bilat\u00e9rale non directionnelle :<\/strong> Dans une vis\u00e9e exploratoire ou en pr\u00e9sence d’effets antagonistes plausibles, le statisticien s’abstient de pr\u00e9juger du sens du d\u00e9s\u00e9quilibre. L’hypoth\u00e8se alternative bilat\u00e9rale s’\u00e9crit alors : H1 : p \u2260 p0<\/em>. Cette posture implique que toute distorsion stochastique, qu’elle se traduise par une surrepr\u00e9sentation ou une sous-repr\u00e9sentation anormale du comportement cible par rapport au hasard, est consid\u00e9r\u00e9e comme th\u00e9oriquement signifiante.<\/li>\n<\/ul>\n
Le choix de l’orientation de H1<\/em> conditionne directement le calcul probabiliste subs\u00e9quent et la r\u00e9partition de la zone de rejet du seuil de signification alpha. Une clarification pr\u00e9alable de ces assertions math\u00e9matiques constitue un pr\u00e9requis incontournable avant toute tentative de mod\u00e9lisation dans le tableur Excel.<\/p>\n2. Anatomie de la fonction LOI.BINOMIALE.N dans Microsoft Excel<\/h2>\n2.1 Syntaxe formelle et param\u00e8tres requis du tableur<\/h3>\n
Au sein de l’environnement Microsoft Excel, l’algorithme sous-jacent au calcul des probabilit\u00e9s binomiales exactes est encapsul\u00e9 dans la fonction native LOI.BINOMIALE.N<\/strong>. Cette fonction a \u00e9t\u00e9 d\u00e9velopp\u00e9e pour \u00e9valuer avec une pr\u00e9cision num\u00e9rique rigoureuse aussi bien la fonction de masse de probabilit\u00e9 que la fonction de r\u00e9partition cumulative d’une loi binomiale. L’ex\u00e9cution correcte de cette fonction exige l’instanciation imp\u00e9rative de quatre arguments positionnels s\u00e9par\u00e9s par des points-virgules dans la version logicielle francophone. La signature syntaxique formelle se pr\u00e9sente comme suit :<\/p>\n=LOI.BINOMIALE.N(Nombre_s; Essais; Probabilit\u00e9_s; Cumulative)<\/em><\/p>\nL’analyse structurelle des trois premiers param\u00e8tres quantitatifs r\u00e9v\u00e8le leur r\u00f4le d\u00e9terminant dans le conditionnement du mod\u00e8le probabiliste :<\/p>\n
\n- Nombre_s (Successes) :<\/strong> Cet argument repr\u00e9sente le nombre effectif de succ\u00e8s observ\u00e9s dans la s\u00e9rie de mesures, d\u00e9sign\u00e9 par la variable enti\u00e8re k<\/em> dans le formalisme math\u00e9matique. Il s’agit obligatoirement d’un nombre entier positif ou nul. Si une valeur d\u00e9cimale est saisie par m\u00e9garde, Excel tronque arbitrairement la valeur \u00e0 sa partie enti\u00e8re inf\u00e9rieure, ce qui peut fausser gravement les calculs \u00e0 la marge. De surcro\u00eet, la contrainte math\u00e9matique 0 \u2264 Nombre_s \u2264 Essais<\/em> doit \u00eatre rigoureusement satisfaite, sous peine de renvoyer l’erreur d’invalidation num\u00e9rique
#NOMBRE!<\/code>.<\/li>\n- Essais (Trials) :<\/strong> Ce param\u00e8tre correspond \u00e0 la taille de l’\u00e9chantillon ou au volume global de r\u00e9p\u00e9titions exp\u00e9rimentales ind\u00e9pendantes, mod\u00e9lis\u00e9 par la variable enti\u00e8re n<\/em>. \u00c0 l’instar du premier argument, Essais<\/em> doit \u00eatre un entier sup\u00e9rieur ou \u00e9gal \u00e0 z\u00e9ro. Si Nombre_s<\/em> est strictement sup\u00e9rieur \u00e0 Essais<\/em>, la fonction \u00e9choue imm\u00e9diatement et g\u00e9n\u00e8re une exception math\u00e9matique.<\/li>\n
- Probabilit\u00e9_s (Probability) :<\/strong> Cet argument encode la valeur scalaire de la probabilit\u00e9 th\u00e9orique de succ\u00e8s \u00e0 chaque essai \u00e9l\u00e9mentaire, mod\u00e9lisant la constante p<\/em> sous H0<\/em>. Ce param\u00e8tre stochastique est imp\u00e9rativement contraint \u00e0 l’espace r\u00e9el continu d\u00e9fini par l’intervalle ferm\u00e9 [0, 1]. L’insertion d’une valeur inf\u00e9rieure \u00e0 0 ou sup\u00e9rieure \u00e0 1 provoque une rupture imm\u00e9diate de l’\u00e9valuation avec le code d’erreur
#NOMBRE!<\/code>.<\/li>\n<\/ul>\n2.2 R\u00f4le critique du param\u00e8tre logique Cumulative<\/h3>\n
Le quatri\u00e8me argument de la fonction, nomm\u00e9 Cumulative<\/strong>, constitue un commutateur bool\u00e9en binaire d\u00e9terminant la nature int\u00e9grative ou ponctuelle de la probabilit\u00e9 renvoy\u00e9e par le noyau de calcul d’Excel. La m\u00e9compr\u00e9hension de cet argument repr\u00e9sente la source la plus r\u00e9currente d’erreurs inf\u00e9rentielles grossi\u00e8res dans la litt\u00e9rature appliqu\u00e9e. Ce param\u00e8tre n’accepte que deux valeurs logiques : FAUX<\/strong> (ou la valeur binaire 0) et VRAI<\/strong> (ou la valeur binaire 1).<\/p>\nLorsque le chercheur injecte l’argument FAUX<\/strong>, la fonction \u00e9value rigoureusement la fonction de masse de probabilit\u00e9 discr\u00e8te pour le point singulier k<\/em>. L’instruction =LOI.BINOMIALE.N(k; n; p; FAUX)<\/code> renvoie math\u00e9matiquement la quantit\u00e9 exacte P(X = k)<\/em>. Cette option r\u00e9pond \u00e0 des questions m\u00e9trologiques descriptives circonscrites, telles que : \u00ab Quelle est la probabilit\u00e9 exacte d’obtenir rigoureusement 12 succ\u00e8s en 20 essais al\u00e9atoires ? \u00bb N\u00e9anmoins, cette probabilit\u00e9 ponctuelle isol\u00e9e ne correspond que tr\u00e8s exceptionnellement \u00e0 la p-valeur requise lors d’un test d’hypoth\u00e8ses statistiques.<\/p>\n\u00c0 l’inverse, l’assignation de la valeur logique VRAI<\/strong> instruit le moteur de calcul d’effectuer l’int\u00e9gration num\u00e9rique cumulative de la loi, renvoyant la fonction de r\u00e9partition empirique ascendante. L’expression =LOI.BINOMIALE.N(k; n; p; VRAI)<\/code> calcule la somme alg\u00e9brique des probabilit\u00e9s discr\u00e8tes depuis l’origine jusqu’\u00e0 la borne sup\u00e9rieure k<\/em> incluse :<\/p>\nP(X \u2264 k) = \u2211_{i=0}^{k} P(X = i)<\/em><\/p>\nDans la m\u00e9thodologie des tests d’hypoth\u00e8ses, la p-valeur ne mesure jamais la probabilit\u00e9 d’un point isol\u00e9 du domaine d’\u00e9chantillonnage, mais bien la probabilit\u00e9 d’obtenir un r\u00e9sultat au moins aussi extr\u00eame<\/em> que celui observ\u00e9 sous l’empire de l’hypoth\u00e8se nulle. En cons\u00e9quence, l’usage de l’option VRAI<\/strong> est une condition indispensable pour la quasi-totalit\u00e9 des calculs inf\u00e9rentiels directionnels ou bidirectionnels, comme nous l’expliciterons dans les sections op\u00e9rationnelles ult\u00e9rieures.<\/p>\n2.3 \u00c9volution terminologique et r\u00e9trocompatibilit\u00e9 des versions logicielles<\/h3>\n
La manipulation des fonctions statistiques sous Excel requiert une vigilance particuli\u00e8re quant \u00e0 l’historique des versions du tableur \u00e9dit\u00e9 par Microsoft. Avant la mise sur le march\u00e9 d’Office 2010, le calcul des probabilit\u00e9s binomiales \u00e9tait op\u00e9r\u00e9 exclusivement par l’ancienne fonction g\u00e9n\u00e9rique LOI.BINOMIALE<\/code>. Bien que cette formule demeure active dans les versions contemporaines d’Excel au titre de la r\u00e9trocompatibilit\u00e9 descendante dans la cat\u00e9gorie \u00ab Compatibilit\u00e9 \u00bb, sa pr\u00e9cision algorithmique a \u00e9t\u00e9 largement d\u00e9cri\u00e9e dans les travaux d’\u00e9conom\u00e9trie appliqu\u00e9e pour des d\u00e9faillances de calcul num\u00e9rique dans les queues de distribution extr\u00eames et sur les grands \u00e9chantillons.<\/p>\nDepuis la r\u00e9vision majeure d’Office 2010, \u00e9tendue sur Office 365, Excel 2019, 2021 et versions ult\u00e9rieures, Microsoft a restructur\u00e9 sa biblioth\u00e8que stochastique en adoptant la normalisation ISO\/IEC 29500. La fonction canonique actuelle est LOI.BINOMIALE.N<\/strong>. L’adjonction du suffixe \u00ab .N \u00bb signale l’int\u00e9gration de sous-programmes arithm\u00e9tiques recalibr\u00e9s, minimisant drastiquement les erreurs d’arrondi sur les factorielles volumineuses gr\u00e2ce \u00e0 des d\u00e9veloppements asymptotiques de pointe. Il est formellement recommand\u00e9 dans tous les protocoles scientifiques actuels d’abandonner d\u00e9finitivement l’ancienne graphie au profit exclusif de LOI.BINOMIALE.N<\/code>.<\/p>\nPar ailleurs, la perm\u00e9abilit\u00e9 internationale des mod\u00e8les d’analyse impose de ma\u00eetriser la correspondance des syntaxes linguistiques. Si votre syst\u00e8me d’exploitation ou votre installation de la suite bureautique est configur\u00e9e en anglais, la fonction \u00e9quivalente absolue est BINOM.DIST<\/strong>, dont les arguments reprennent l’ordre identique : =BINOM.DIST(number_s, trials, probability_s, cumulative)<\/code>. Il convient de souligner que le s\u00e9parateur d’arguments passe de la virgule (en anglais) au point-virgule (en fran\u00e7ais). Lors du partage d’un classeur .xlsx<\/code> entre des collaborateurs exploitant des versions linguistiques divergentes, Excel assure automatiquement la traduction dynamique des cha\u00eenes de commande, \u00e0 la condition expresse que le classeur ne contienne pas de macros textuelles directes cod\u00e9es en dur sans abstraction d’environnement.<\/p>\n3. Structuration et encodage des donn\u00e9es psychom\u00e9triques sous Excel<\/h2>\n3.1 Codification binaire des r\u00e9ponses comportementales<\/h3>\n
L’impl\u00e9mentation rigoureuse d’un pipeline d’analyse binomiale dans Excel exige une discipline stricte dans l’agencement des donn\u00e9es exp\u00e9rimentales primaires. D\u00e8s la phase de saisie, les r\u00e9ponses qualitatives recueillies lors des passations individuelles doivent faire l’objet d’une standardisation binaire univoque. Toute observation comportementale relative \u00e0 l’essai exp\u00e9rimental i<\/em> doit \u00eatre traduite sans ambigu\u00eft\u00e9 par une variable indicatrice num\u00e9rique :<\/p>\n\n- La valeur 1<\/strong> est assign\u00e9e syst\u00e9matiquement \u00e0 la survenue de l’\u00e9v\u00e9nement cible d\u00e9fini conceptuellement comme le \u00ab succ\u00e8s \u00bb (par exemple : d\u00e9tection correcte d’un stimulus, s\u00e9lection de la main droite, choix de l’alternative congruente).<\/li>\n
- La valeur 0<\/strong> encode l’absence de l’\u00e9v\u00e9nement cible, d\u00e9nomm\u00e9e conventionnellement \u00ab \u00e9chec \u00bb (par exemple : erreur d’identification, s\u00e9lection de la main gauche, abstention ou choix de l’alternative incongruente).<\/li>\n<\/ul>\n
Le traitement des donn\u00e9es manquantes, des abandons d’essais pour cause d’art\u00e9facts oculomoteurs ou des omissions de r\u00e9ponse constitue une \u00e9tape d\u00e9licate. Il est imp\u00e9ratif de proscrire l’utilisation de cellules laiss\u00e9es vides au sein d’une colonne de donn\u00e9es continues, car certaines fonctions dynamiques du tableur attribuent par d\u00e9faut la valeur 0 \u00e0 un blanc typographique, ce qui introduirait un biais artificiel massif d’accroissement des \u00e9checs. Les essais non valides doivent \u00eatre identifi\u00e9s par un code textuel standardis\u00e9 (tel que NA<\/code> pour Non Applicable<\/em> ou ABS<\/code> pour absence) qui sera ensuite explicitement exclu du d\u00e9nominateur lors des calculs d’agr\u00e9gation.<\/p>\nPour pr\u00e9munir le classeur contre les erreurs humaines de transcription, l’activation des m\u00e9canismes de Validation des donn\u00e9es<\/strong> d’Excel repr\u00e9sente une mesure de contr\u00f4le qualit\u00e9 fondamentale. En s\u00e9lectionnant l’ensemble de la plage d’encodage et en acc\u00e9dant au menu Donn\u00e9es > Validation des donn\u00e9es<\/em>, l’analyste doit restreindre les saisies autoris\u00e9es \u00e0 la cat\u00e9gorie Nombre entier<\/em>, avec une contrainte d’intervalle minimale de 0 et maximale de 1. Toute tentative d’insertion accidentelle d’une frappe erron\u00e9e d\u00e9clenche ainsi un blocage logiciel instantan\u00e9, garantissant l’int\u00e9grit\u00e9 absolue de la matrice empirique.<\/p>\n3.2 Extraction automatique des m\u00e9triques d’essai<\/h3>\n
Une fois les r\u00e9ponses individuelles compil\u00e9es dans une structure tabulaire colonnaire propre, l’\u00e9tape suivante consiste \u00e0 extraire les scalaires fondamentaux n\u00e9cessaires \u00e0 l’inf\u00e9rence : la taille d’\u00e9chantillon n<\/em> et le nombre de succ\u00e8s observ\u00e9s k<\/em>. L’automatisation de cette extraction via des fonctions dynamiques \u00e9vite les comptages manuels redondants, sources in\u00e9puisables de d\u00e9calages arithm\u00e9tiques.<\/p>\nLe d\u00e9nombrement du volume total d’essais valid\u00e9s n<\/em> s’op\u00e8re au moyen de la fonction NB<\/strong>, qui comptabilise de mani\u00e8re exhaustive le nombre de cellules contenant exclusivement des grandeurs num\u00e9riques au sein d’une plage donn\u00e9e, ignorant d\u00e9lib\u00e9r\u00e9ment les \u00e9tiquettes textuelles et les codes d’art\u00e9facts non num\u00e9riques. Si la s\u00e9rie des r\u00e9ponses comportementales est consign\u00e9e dans la plage verticale A2:A101<\/code>, la formule d’extraction du volume d’essais s’\u00e9crit formellement :<\/p>\n=NB(A2:A101)<\/em><\/p>\nLa sommation des succ\u00e8s observ\u00e9s k<\/em> peut \u00eatre instrument\u00e9e selon deux modalit\u00e9s algorithmiques \u00e9quivalentes. La premi\u00e8re exploite la fonction matricielle conditionnelle NB.SI<\/strong>, ciblant sp\u00e9cifiquement l’occurrence de la condition unitaire :<\/p>\n=NB.SI(A2:A101; 1)<\/em><\/p>\nAlternativement, dans la mesure o\u00f9 le codage n’autorise que les \u00e9tats num\u00e9riques 0 et 1, l’application directe de la fonction SOMME(A2:A101)<\/strong> renvoie math\u00e9matiquement le m\u00eame r\u00e9sultat arithm\u00e9tique, puisque l’agr\u00e9gation additive de k<\/em> occurrences de la valeur 1 et de (n – k)<\/em> occurrences de la valeur 0 correspond rigoureusement au cardinal k<\/em> des \u00e9v\u00e9nements cibles.<\/p>\n\u00c0 partir de ces deux scalaires primaires, la proportion observ\u00e9e de succ\u00e8s dans l’\u00e9chantillon, not\u00e9e traditionnellement p\u0302<\/em> (p-chapeau), s’obtient instantan\u00e9ment par la simple formule de d\u00e9rivation proportionnelle : =k \/ n<\/code>. Cette proportion d’occurrence constitue l’estimateur ponctuel non biais\u00e9 du param\u00e8tre stochastique de la population d’int\u00e9r\u00eat.<\/p>\n3.3 Organisation modulaire d’un mod\u00e8le d’analyse reproductible<\/h3>\n
L’assurance de la r\u00e9plicabilit\u00e9 d’une analyse quantitative repose sur une organisation spatiale claire et compartiment\u00e9e de la feuille de calcul. Dans le cadre d’une mod\u00e9lisation statistique avanc\u00e9e sous Excel, il est fortement recommand\u00e9 d’adopter une architecture modulaire subdivis\u00e9e en trois zones fonctionnelles \u00e9tanches, facilitant la lecture visuelle et l’audit ind\u00e9pendant par des pairs :<\/p>\n
\n- Le module des donn\u00e9es brutes (Zone A) :<\/strong> R\u00e9serv\u00e9 \u00e0 l’archivage vertical des donn\u00e9es d’observation primaires (num\u00e9ros d’essais, identifiants participants, r\u00e9ponses binaires valid\u00e9es). Cette zone ne contient aucune formule analytique, hormis des contr\u00f4les de saisie logiques.<\/li>\n
- Le module des param\u00e8tres du mod\u00e8le (Zone B) :<\/strong> Ce bloc accueille les param\u00e8tres th\u00e9oriques d’entr\u00e9e indispensables \u00e0 l’inf\u00e9rence. On y isole la constante probabiliste sous H0<\/em> (le scalaire p0<\/em>, par exemple 0,50 ou 0,25) ainsi que le seuil de risque d’erreur de premi\u00e8re esp\u00e8ce consenti (le scalaire alpha, traditionnellement fix\u00e9 \u00e0 0,05). L’acc\u00e8s direct \u00e0 ces cellules permet d’ex\u00e9cuter des analyses de sensibilit\u00e9 instantan\u00e9es par modification param\u00e9trique.<\/li>\n
- Le module d’inf\u00e9rence stochastique (Zone C) :<\/strong> Il centralise les m\u00e9triques calcul\u00e9es dynamiquement (n<\/em>, k<\/em>, p\u0302<\/em>), les formules de p-valeurs (unilat\u00e9rales ou bilat\u00e9rales), les estimateurs de pr\u00e9cision (intervalles de confiance) et les diagnostics conditionnels textuels validant ou rejetant les hypoth\u00e8ses soumises \u00e0 l’\u00e9preuve des faits.<\/li>\n<\/ul>\n
Pour optimiser la lisibilit\u00e9 des algorithmes complexes et \u00e9liminer le recours fastidieux aux coordonn\u00e9es matricielles absolues de type $B$<\/span>4<\/code>, il est judicieux de recourir \u00e0 l’assignation de Plages nomm\u00e9es<\/strong>. En exploitant le Gestionnaire de noms<\/em> (accessible via l’onglet Formules<\/em>), le chercheur peut associer \u00e0 la cellule h\u00e9bergeant le d\u00e9compte des succ\u00e8s le label mn\u00e9motechnique Succes_k<\/code>, \u00e0 la taille de l’\u00e9chantillon le label Essais_n<\/code>, et au seuil probabiliste le label Proba_H0<\/code>. La transcription des formules binomiales complexes devient alors totalement transparente et auto-document\u00e9e.<\/p>\n4. Ex\u00e9cution d’un test binomial unilat\u00e9ral \u00e0 droite sous Excel<\/h2>\n4.1 Identification des sc\u00e9narios d’inf\u00e9rence unilat\u00e9rale sup\u00e9rieure<\/h3>\n
Le recours \u00e0 un test binomial unilat\u00e9ral \u00e0 droite (ou unilat\u00e9ral sup\u00e9rieur) est strictement justifi\u00e9 sur le plan \u00e9pist\u00e9mologique lorsque le cadre th\u00e9orique postule a priori, de mani\u00e8re exclusive et sans \u00e9quivoque, que le taux de r\u00e9ponse du syst\u00e8me exp\u00e9rimental ne peut exc\u00e9der le niveau du hasard stochastique qu’en cas de pr\u00e9sence av\u00e9r\u00e9e du ph\u00e9nom\u00e8ne psychologique \u00e9tudi\u00e9. Dans ce contexte pr\u00e9cis, toute d\u00e9viation inverse (une performance significativement inf\u00e9rieure au niveau de base) est attribu\u00e9e soit \u00e0 un dysfonctionnement m\u00e9thodologique, soit consid\u00e9r\u00e9e comme relevant du bruit exp\u00e9rimental pur sans pertinence pour l’hypoth\u00e8se mise \u00e0 l’\u00e9preuve.<\/p>\n
Les paradigmes d’apprentissage implicite en psychologie cognitive fournissent l’arch\u00e9type m\u00e9thodologique de cette orientation inf\u00e9rentielle. Supposons un protocole d’amor\u00e7age dans lequel un participant doit pr\u00e9dire la survenue d’un signal visuel apparaissant au hasard sur l’un de deux quadrants avec une probabilit\u00e9 th\u00e9orique d’indiff\u00e9rence p0 = 0,50<\/em>. L’investigateur \u00e9met l’hypoth\u00e8se substantive que l’exposition pr\u00e9alable \u00e0 des amorces perceptives induit un taux d’exactitude d\u00e9cisionnelle sup\u00e9rieur \u00e0 50 %. Le mod\u00e8le d’hypoth\u00e8ses s’\u00e9nonce imp\u00e9rativement :<\/p>\nH0 : p \u2264 0,50<\/em>
\nH1 : p > 0,50<\/em><\/p>\nDans cette configuration, l’obtention d’un nombre \u00e9lev\u00e9 de succ\u00e8s constitue l’unique modalit\u00e9 empirique susceptible d’apporter des preuves en faveur de l’apprentissage th\u00e9oris\u00e9. La r\u00e9gion critique de rejet de l’hypoth\u00e8se nulle est enti\u00e8rement d\u00e9port\u00e9e vers la queue sup\u00e9rieure de la distribution d’\u00e9chantillonnage.<\/p>\n
4.2 Formulation alg\u00e9brique de la p-valeur unilat\u00e9rale \u00e0 droite<\/h3>\n
L’\u00e9valuation probabiliste d’une d\u00e9viation unilat\u00e9rale sup\u00e9rieure impose de quantifier la probabilit\u00e9 stochastique sous H0<\/em> d’observer un r\u00e9sultat au moins aussi favorable que le r\u00e9sultat empiriquement recueilli. Si le participant totalise un nombre k<\/em> de succ\u00e8s sur un total de n<\/em> essais r\u00e9alis\u00e9s sous une probabilit\u00e9 th\u00e9orique p<\/em>, la p-valeur unilat\u00e9rale \u00e0 droite correspond rigoureusement \u00e0 l’expression math\u00e9matique :<\/p>\np-valeur_droite = P(X \u2265 k) = \u2211_{i=k}^{n} P(X = i)<\/em><\/p>\nOr, le moteur algorithmique de la fonction LOI.BINOMIALE.N<\/code>, lorsqu’il est instanci\u00e9 avec le param\u00e8tre VRAI<\/code>, effectue exclusivement une sommation cumulative ascendante d\u00e9marrant \u00e0 z\u00e9ro pour s’arr\u00eater \u00e0 la borne stipul\u00e9e : P(X \u2264 x)<\/em>. Par cons\u00e9quent, pour obtenir la probabilit\u00e9 compl\u00e9mentaire sup\u00e9rieure stricte s’\u00e9tendant de k<\/em> jusqu’\u00e0 l’infini fini n<\/em>, il convient d’appliquer le principe axiomatique des probabilit\u00e9s contraires : P(X \u2265 k) = 1 – P(X \u2264 k – 1)<\/em>.<\/p>\nLa transposition algorithmique exacte dans la syntaxe formelle d’Excel s’\u00e9crit de fa\u00e7on irr\u00e9ductible :<\/p>\n
=1 – LOI.BINOMIALE.N(k – 1; n; p; VRAI)<\/em><\/p>\nLa pr\u00e9sence du terme soustractif k – 1<\/strong> au sein du premier argument de la fonction cumulative est d’une criticit\u00e9 math\u00e9matique absolue. En raison du caract\u00e8re strictement discret de la loi binomiale, \u00e9valuer l’expression 1 - LOI.BINOMIALE.N(k; n; p; VRAI)<\/code> reviendrait \u00e0 soustraire la probabilit\u00e9 du point empirique k<\/em> lui-m\u00eame du total universel 1, calculant ainsi involontairement la probabilit\u00e9 P(X \u2265 k + 1)<\/em>. Une telle omission exclurait le r\u00e9sultat observ\u00e9 de sa propre r\u00e9gion critique, g\u00e9n\u00e9rant une minoration artificielle illicite de la p-valeur et augmentant consid\u00e9rablement le risque d’erreur de premi\u00e8re esp\u00e8ce.<\/p>\n4.3 Prise de d\u00e9cision statistique et interpr\u00e9tation du seuil alpha<\/h3>\n
L’inf\u00e9rence statistique aboutit \u00e0 une d\u00e9cision binaire formalis\u00e9e par la confrontation de la p-valeur calcul\u00e9e au seuil d’erreur de premi\u00e8re esp\u00e8ce pr\u00e9\u00e9tabli, d\u00e9sign\u00e9 par la lettre grecque \u03b1<\/em> (alpha). En psychologie exp\u00e9rimentale et dans les sciences comportementales contemporaines, la convention n\u00e9o-fisherienne fixe usuellement ce seuil critique \u00e0 la valeur conventionnelle de 0,05, bien que des seuils plus conservateurs (0,01 ou 0,001) soient syst\u00e9matiquement mobilis\u00e9s pour des essais r\u00e9pliqu\u00e9s ou \u00e0 fort enjeu clinique.<\/p>\nLa r\u00e8gle d\u00e9cisionnelle universelle s’articule comme suit :<\/p>\n
\n- Si la p-valeur \u2264 \u03b1<\/strong> : La probabilit\u00e9 d’obtenir une performance \u00e9gale ou sup\u00e9rieure \u00e0 k<\/em> sous la seule action du hasard stochastique est inf\u00e9rieure au seuil de risque tol\u00e9r\u00e9. Le chercheur est fond\u00e9 \u00e0 rejeter formellement l’hypoth\u00e8se nulle H0<\/strong> et \u00e0 conclure \u00e0 la significativit\u00e9 statistique de la surperformance observ\u00e9e. Le postulat th\u00e9orique selon lequel les participants poss\u00e8dent une comp\u00e9tence cognitive sup\u00e9rieure au hasard est valid\u00e9 empiriquement au niveau de confiance 1 – \u03b1<\/em>.<\/li>\n
- Si la p-valeur > \u03b1<\/strong> : Les donn\u00e9es ne fournissent pas de preuves stochastiques suffisantes pour invalider l’effet du hasard. Le chercheur \u00e9choue \u00e0 rejeter H0<\/strong>. Cette situation ne valide nullement l’\u00e9galit\u00e9 stricte au niveau du hasard, mais consacre l’incapacit\u00e9 du protocole exp\u00e9rimental \u00e0 discerner le signal th\u00e9orique du bruit d’\u00e9chantillonnage ambiant.<\/li>\n<\/ul>\n
Pour automatiser ce verdict au sein du mod\u00e8le Excel et pr\u00e9venir toute m\u00e9prise de lecture, l’int\u00e9gration d’une fonction logique conditionnelle imbriqu\u00e9e dans le module d\u00e9cisionnel est particuli\u00e8rement opportune. L’impl\u00e9mentation de la formule suivante produit un retour textuel direct et auditable :<\/p>\n
=SI(Cellule_p_valeur <= Alpha; \u00ab\u00a0Rejet de H0 : Effet significatif\u00a0\u00bb; \u00ab\u00a0\u00c9chec du rejet de H0 : Effet non significatif\u00a0\u00bb)<\/em><\/p>\n5. Ex\u00e9cution d’un test binomial unilat\u00e9ral \u00e0 gauche sous Excel<\/h2>\n5.1 Cadres exp\u00e9rimentaux impliquant une sous-performance<\/h3>\n
Bien que l’investigation empirique valorise pr\u00e9f\u00e9rentiellement la mise en \u00e9vidence de surperformances cognitives, l’analyse d’un d\u00e9ficit statistique se traduisant par un taux de r\u00e9ussite significativement inf\u00e9rieur<\/em> au seuil du hasard constitue une d\u00e9marche m\u00e9thodologique d’une importance capitale dans plusieurs branches sp\u00e9cialis\u00e9es de la psychologie appliqu\u00e9e.<\/p>\nL’application la plus rigoureuse se rencontre en neuropsychologie m\u00e9dico-l\u00e9gale lors de l’\u00e9valuation de la simulation de troubles mn\u00e9siques ou perceptifs. Dans les contextes d’expertise judiciaire ou d’indemnisation d’accidents corporels, certains individus peuvent adopter une strat\u00e9gie de fabrication d\u00e9lib\u00e9r\u00e9e de d\u00e9ficits cognitifs (d\u00e9sign\u00e9e sous le concept d’\u00ab anosognosie simul\u00e9e \u00bb). Confront\u00e9 \u00e0 un test de m\u00e9moire de reconnaissance binaire standardis\u00e9 comportant deux alternatives \u00e9quiprobables (p0 = 0,50<\/em>), un patient souffrant d’amn\u00e9sie bilat\u00e9rale organique absolue r\u00e9pondra de mani\u00e8re purement al\u00e9atoire, obtenant asymptotiquement une performance oscillant autour de 50 % de r\u00e9ussite en vertu de la loi des grands nombres.<\/p>\nSi, \u00e0 l’inverse, l’individu enregistre un score syst\u00e9matiquement effondr\u00e9, par exemple seulement 12 r\u00e9ussites sur 50 essais d’\u00e9valuation continue, ce comportement de sous-performance ne peut \u00eatre imput\u00e9 \u00e0 une destruction des traces mn\u00e9siques. Une telle performance, statistiquement incompatible avec le hasard stochastique, d\u00e9montre paradoxalement que le sujet reconna\u00eet<\/em> l’item exact pour pouvoir l’\u00e9viter avec une telle constance. Le rejet d’une hypoth\u00e8se unilat\u00e9rale inf\u00e9rieure constitue alors la preuve m\u00e9dico-l\u00e9gale irr\u00e9futable d’une strat\u00e9gie active de falsification et d’inhibition volontaire.<\/p>\nDe m\u00eame, dans les protocoles d’inhibition cognitive s\u00e9lective ou de perception subliminale subliminale sous paradigme d’\u00e9vitement moteur conditionn\u00e9, l’apparition d’un taux de r\u00e9ponse n\u00e9gatif atteste de m\u00e9canismes d’inhibition motrice pr\u00e9-attentionnelle inconsciente, justifiant pleinement l’articulation formelle du test directionnel inf\u00e9rieur :<\/p>\n
H0 : p \u2265 p0<\/em>
\nH1 : p < p0<\/em><\/p>\n5.2 D\u00e9ploiement de la fonction cumulative descendante directe<\/h3>\n
D’un point de vue math\u00e9matique et algorithmique, la mise en \u0153uvre d’un test binomial unilat\u00e9ral \u00e0 gauche sous Excel s’av\u00e8re consid\u00e9rablement plus directe et intuitive que son pendant unilat\u00e9ral sup\u00e9rieur. Dans cette configuration, la p-valeur correspond \u00e0 la probabilit\u00e9 cumul\u00e9e exacte d’obtenir au maximum le nombre k<\/em> de succ\u00e8s observ\u00e9s dans la cohorte exp\u00e9rimentale sous les postulats de H0<\/em> :<\/p>\np-valeur_gauche = P(X \u2264 k) = \u2211_{i=0}^{k} P(X = i)<\/em><\/p>\nCette sommation discr\u00e8te correspond tr\u00e8s exactement \u00e0 la d\u00e9finition native de la fonction de r\u00e9partition cumulative int\u00e9gr\u00e9e par Microsoft dans le noyau de calcul d’Excel. En cons\u00e9quence, aucune transformation arithm\u00e9tique compl\u00e9mentaire ni aucun d\u00e9calage d’indice ne sont n\u00e9cessaires.<\/p>\n
La formule formelle d’ex\u00e9cution s’impl\u00e9mente en adressant directement la valeur k<\/em> observ\u00e9e au param\u00e8tre positionnel Nombre_s<\/em>, tout en activant imp\u00e9rativement l’argument de cumul :<\/p>\n=LOI.BINOMIALE.N(k; n; p; VRAI)<\/em><\/p>\nIl importe de souligner avec insistance que, contrairement au test unilat\u00e9ral \u00e0 droite explicit\u00e9 \u00e0 la section 4, l’indice k ne doit en aucun cas subir de soustraction unitaire<\/strong> dans la borne inf\u00e9rieure. L’expression int\u00e8gre d’embl\u00e9e la borne sup\u00e9rieure k<\/em> dans la r\u00e9gion critique gauche. La soustraction erron\u00e9e d’une unit\u00e9 m\u00e8nerait au calcul de P(X \u2264 k – 1)<\/em>, ce qui exclurait ind\u00fbment la performance du participant de sa propre zone d’\u00e9valuation probabiliste, conduisant \u00e0 une sous-estimation artificielle du niveau de s\u00e9v\u00e9rit\u00e9 de l’inf\u00e9rence.<\/p>\n5.3 Contr\u00f4le des erreurs inf\u00e9rentielles et conclusion<\/h3>\n
Le traitement des tests directionnels inf\u00e9rieurs impose une vigilance m\u00e9thodologique extr\u00eame quant \u00e0 la r\u00e9gulation des erreurs d\u00e9cisionnelles, particuli\u00e8rement l’erreur d’illusion d’\u00e9vitement. Dans un test unilat\u00e9ral \u00e0 gauche calibr\u00e9 avec un seuil de signification standard \u03b1 = 0,05<\/em>, la zone de rejet critique se situe exclusivement sur la queue gauche de la distribution discr\u00e8te. Le chercheur rejette formellement H0<\/em> d\u00e8s lors que :<\/p>\nLOI.BINOMIALE.N(k; n; p; VRAI) \u2264 0,05<\/em><\/p>\nToutefois, une pr\u00e9caution \u00e9pist\u00e9mologique majeure doit \u00eatre rappel\u00e9e. L’adoption d’une posture unilat\u00e9rale inf\u00e9rieure interdit formellement d’interpr\u00e9ter une d\u00e9viation survenant dans le sens oppos\u00e9. Si le chercheur observe de mani\u00e8re inattendue une surperformance impressionnante (par exemple k = 42<\/em> succ\u00e8s sur 50 essais), la p-valeur gauche \u00e9valu\u00e9e par Excel tendra asymptotiquement vers 1 (par exemple 0,9999). Il serait m\u00e9thodologiquement invalide et contraire \u00e0 toute d\u00e9ontologie scientifique de reformuler a posteriori l’hypoth\u00e8se de travail pour basculer vers un test unilat\u00e9ral sup\u00e9rieur afin d’exploiter opportunistiquement la significativit\u00e9 statistique de la d\u00e9viation droite (pratique bannie d\u00e9sign\u00e9e sous le vocable de HARKing<\/em> : Hypothesizing After the Results are Known<\/em>).<\/p>\nDans la formalisation des r\u00e9sultats neuroscientifiques ou psychom\u00e9triques r\u00e9dig\u00e9s selon les canons acad\u00e9miques, la conclusion relative au rejet unilat\u00e9ral inf\u00e9rieur doit expliciter le point de comparaison th\u00e9orique, la probabilit\u00e9 d’occurrence du score sous H0<\/em> et l’implication conceptuelle directe. Par exemple : \u00ab Le score de performance obtenu au test d’inhibition perceptive (k = 14<\/em> sur n = 45<\/em> essais) r\u00e9v\u00e8le un taux d’exactitude significativement inf\u00e9rieur au niveau d’indiff\u00e9rence stochastique (p-valeur = 0,0073<\/em>, test binomial unilat\u00e9ral \u00e0 gauche). Ce r\u00e9sultat confirme de mani\u00e8re hautement significative l’existence d’un \u00e9vitement syst\u00e9matique non imputable au hasard. \u00bb<\/p>\n6. M\u00e9thodologie du test binomial bilat\u00e9ral non directionnel dans Excel<\/h2>\n6.1 Probl\u00e9matique de la non-directionnalit\u00e9 des hypoth\u00e8ses d’\u00e9cart<\/h3>\n
Lorsque le corpus th\u00e9orique sous-jacent ne fournit aucun \u00e9l\u00e9ment probant permettant de postuler la directionnalit\u00e9 de l’effet, ou lorsque l’investigateur conduit une \u00e9tude exploratoire sans a priori normatif, l’analyse requiert imp\u00e9rativement un test non directionnel, commun\u00e9ment appel\u00e9 test bilat\u00e9ral<\/strong> (ou \u00e0 deux queues). Dans cette posture scientifique, le chercheur s’int\u00e9resse \u00e0 toute rupture stochastique majeure, qu’elle prenne la forme d’une surrepr\u00e9sentation ou d’une sous-repr\u00e9sentation marqu\u00e9e de la modalit\u00e9 comportementale \u00e9tudi\u00e9e par rapport \u00e0 l’esp\u00e9rance th\u00e9orique de l’hypoth\u00e8se nulle.<\/p>\nLe syst\u00e8me formel d’hypoth\u00e8ses se r\u00e9sume alors \u00e0 l’affirmation d’une \u00e9galit\u00e9 ponctuelle confront\u00e9e \u00e0 son alt\u00e9rit\u00e9 compl\u00e9mentaire :<\/p>\n
H0 : p = p0<\/em>
\nH1 : p \u2260 p0<\/em><\/p>\nLa r\u00e9solution analytique d’un test bilat\u00e9ral pose un d\u00e9fi conceptuel bien plus complexe que le simple cas unilat\u00e9ral. Une p-valeur bilat\u00e9rale exacte se d\u00e9finit comme la somme de la probabilit\u00e9 d’obtenir le r\u00e9sultat empirique observ\u00e9 et de toutes les probabilit\u00e9s des issues alternatives qui s’av\u00e8rent au moins aussi extr\u00eames ou encore moins probables<\/em> que le r\u00e9sultat obtenu, calcul\u00e9es sur les deux versants de la distribution d’\u00e9chantillonnage.<\/p>\nLa complexit\u00e9 de cette sommation stochastique d\u00e9pend directement de la g\u00e9om\u00e9trie de la distribution binomiale sous-jacente. Si le param\u00e8tre th\u00e9orique sous H0<\/em> est rigoureusement \u00e9gal \u00e0 0,50 (