{"id":4703,"date":"2026-09-11T12:03:07","date_gmt":"2026-09-11T12:03:07","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/test-du-khi-deux-adequation-definition-formule-exemple\/"},"modified":"2026-09-11T12:03:07","modified_gmt":"2026-09-11T12:03:07","slug":"test-du-khi-deux-adequation-definition-formule-exemple","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=test-du-khi-deux-adequation-definition-formule-exemple","title":{"rendered":"Test du khi-deux d’ad\u00e9quation : D\u00e9finition, formule et exemple"},"content":{"rendered":"

Dans l’arsenal des m\u00e9thodes quantitatives appliqu\u00e9es aux sciences humaines, sociales, biologiques et m\u00e9dicales, l’inf\u00e9rence statistique occupe une position n\u00e9vralgique. Elle permet aux chercheurs de d\u00e9passer la simple description ph\u00e9nom\u00e9nologique d’un \u00e9chantillon pour \u00e9prouver des hypoth\u00e8ses th\u00e9oriques portant sur des populations globales. Parmi ces outils d’inf\u00e9rence, le test du khi-deux d’ad\u00e9quation<\/strong> — couramment d\u00e9sign\u00e9 sous l’appellation anglophone de Chi-Square Goodness of Fit Test<\/em> — constitue sans doute l’une des contributions m\u00e9thodologiques les plus fondamentales et les plus p\u00e9rennes de l’histoire des statistiques modernes<\/a>. Ce test univari\u00e9 fournit une r\u00e9ponse rigoureuse \u00e0 une question empirique universelle : les donn\u00e9es discr\u00e8tes observ\u00e9es sur le terrain sont-elles conformes, aux fluctuations d’\u00e9chantillonnage pr\u00e8s, \u00e0 une loi de distribution th\u00e9orique postul\u00e9e a priori<\/em> ?<\/p>\n

Trop souvent restreint \u00e0 des calculs m\u00e9caniques sans recul critique, le test d’ad\u00e9quation de Pearson engage pourtant des soubassements \u00e9pist\u00e9mologiques majeurs. Qu’il s’agisse d’\u00e9valuer la repr\u00e9sentativit\u00e9 sociod\u00e9mographique d’une cohorte clinique par rapport \u00e0 un recensement national, de mesurer la neutralit\u00e9 d’un dispositif perceptif en neuropsychologie cognitive, ou encore d’\u00e9prouver la validit\u00e9 d’un mod\u00e8le mend\u00e9lien en g\u00e9n\u00e9tique comportementale, ce test offre une passerelle directe entre le monde d\u00e9terministe des mod\u00e8les th\u00e9oriques et la r\u00e9alit\u00e9 probabiliste des mesures empiriques. Sa force repose sur son universalit\u00e9, mais sa pertinence pratique d\u00e9pend d’un respect scrupuleux de ses postulats sous-jacents, d’une manipulation pr\u00e9cise des effectifs absolus et d’une interpr\u00e9tation nuanc\u00e9e articulant signification statistique et port\u00e9e substantive.<\/p>\n

Ce guide exhaustif a pour vocation d’explorer en profondeur la m\u00e9canique, les justifications math\u00e9matiques, les conditions d’application et les prolongements contemporains du test du khi-deux d’ad\u00e9quation. \u00c0 travers une approche qui concilie rigueur d\u00e9monstrative, mise en contexte \u00e9pist\u00e9mologique et illustration pratique pas \u00e0 pas dans le domaine de la psychologie diff\u00e9rentielle, nous d\u00e9taillerons l’ensemble du cycle inf\u00e9rentiel : de la formulation des hypoth\u00e8ses multinomiales au calcul des r\u00e9sidus ajust\u00e9s, en passant par le calibrage de la taille d’effet et les protocoles de programmation sous les logiciels statistiques dominants.<\/p>\n

1. Introduction et fondements conceptuels du test du khi-deux d’ad\u00e9quation<\/h2>\n

1.1 D\u00e9finition \u00e9pist\u00e9mologique et r\u00f4le en inf\u00e9rence statistique<\/h3>\n

D’un point de vue \u00e9pist\u00e9mologique, la statistique inf\u00e9rentielle moderne a connu une rupture paradigmatique majeure en 1900 avec la publication de l’article fondateur de Karl Pearson<\/a> dans le Philosophical Magazine<\/em>. Avant cette contribution magistrale, les scientifiques \u00e9taient d\u00e9munis pour quantifier objectivement l’\u00e9cart entre une s\u00e9rie de fr\u00e9quences observ\u00e9es dans des classes qualitatives et une courbe ou un ratio d\u00e9duit de principes premiers. Pearson a introduit un crit\u00e8re de divergence quadratique normalis\u00e9, fondant ainsi le premier v\u00e9ritable test de conformit\u00e9 statistique \u00e0 grande \u00e9chelle, d\u00e9sign\u00e9 historiquement sous le symbole de la lettre grecque $\\chi^2$<\/span>.<\/p>\n

Le test du khi-deux d’ad\u00e9quation se d\u00e9finit formellement comme une proc\u00e9dure non param\u00e9trique — ou plus pr\u00e9cis\u00e9ment \u00e0 distribution libre — applicable aux variables qualitatives, cat\u00e9gorielles, nominales ou ordinales regroup\u00e9es en modalit\u00e9s discr\u00e8tes mutuellement exclusives. Contrairement aux tests param\u00e9triques classiques tels que le test t de Student ou l’analyse de variance de Fisher, le test d’ad\u00e9quation ne postule aucune distribution gaussienne sous-jacente des scores continus, ni de param\u00e8tre m\u00e9trique invariant comme l’esp\u00e9rance ou l’homosc\u00e9dasticit\u00e9. Son objet d’\u00e9tude exclusif est la fr\u00e9quence d’apparition des individus au sein d’un ensemble de cat\u00e9gories distinctes.<\/p>\n

L’objectif premier de cette m\u00e9thodologie r\u00e9side dans la comparaison terme \u00e0 terme entre une distribution observ\u00e9e empiriquement sur un \u00e9chantillon extrait d’une population cible et une distribution th\u00e9orique pr\u00e9\u00e9tablie, souvent appel\u00e9e distribution attendue ou esp\u00e9r\u00e9e. Dans le cadre g\u00e9n\u00e9ral de l’analyse exploratoire et confirmatoire des donn\u00e9es, le test d’ad\u00e9quation se positionne au c\u0153ur de la validation d’hypoth\u00e8ses d\u00e9ductives. Il permet au statisticien d’affirmer avec un niveau de confiance contr\u00f4l\u00e9 si les divergences constat\u00e9es entre la r\u00e9alit\u00e9 du terrain et la norme th\u00e9orique peuvent \u00eatre sereinement imput\u00e9es au simple al\u00e9a de l’\u00e9chantillonnage, ou si elles trahissent une divergence structurelle requ\u00e9rant le rejet du mod\u00e8le th\u00e9orique initial.<\/p>\n

1.2 Distinction fondamentale entre ad\u00e9quation, ind\u00e9pendance et homog\u00e9n\u00e9it\u00e9<\/h3>\n

Une confusion r\u00e9currente observ\u00e9e dans la litt\u00e9rature scientifique concerne l’amalgame conceptuel entre les trois grandes d\u00e9clinaisons du test de Pearson : le test d’ad\u00e9quation, le test d’ind\u00e9pendance et le test d’homog\u00e9n\u00e9it\u00e9. Bien que ces proc\u00e9dures partagent une structure alg\u00e9brique similaire fond\u00e9e sur la sommation des carr\u00e9s des \u00e9carts normalis\u00e9s, leurs plans d’\u00e9chantillonnage, la structure de leurs tables de contingence et leurs objectifs d’inf\u00e9rence diff\u00e8rent radicalement.<\/p>\n

Le test du khi-deux d’ad\u00e9quation se distingue par sa structure strictement univari\u00e9e. Le chercheur mesure une et une seule variable cat\u00e9gorielle d\u00e9coup\u00e9e en $k$<\/span> classes sur un \u00e9chantillon unique d’effectif global $N$<\/span>. Les fr\u00e9quences th\u00e9oriques attendues ne sont pas calcul\u00e9es \u00e0 partir des produits des marges de l’\u00e9chantillon, mais d\u00e9coulent d’un mod\u00e8le externe, pr\u00e9existant et ind\u00e9pendant des donn\u00e9es recueillies. \u00c0 l’inverse, le test d’ind\u00e9pendance analyse une structure bivari\u00e9e croisant deux variables cat\u00e9gorielles distinctes au sein d’une table de contingence bidimensionnelle \u00e0 $r$<\/span> lignes et $c$<\/span> colonnes, avec pour objectif d’\u00e9valuer si l’appartenance aux modalit\u00e9s de la premi\u00e8re variable est probabilistiquement li\u00e9e \u00e0 celle de la seconde. Les effectifs attendus d’ind\u00e9pendance sont d\u00e8s lors endog\u00e8nes, d\u00e9pendant des totaux marginaux de l’\u00e9chantillon lui-m\u00eame.<\/p>\n

Le test d’homog\u00e9n\u00e9it\u00e9, quant \u00e0 lui, compare la distribution d’une variable cat\u00e9gorielle unique \u00e0 travers plusieurs sous-populations ou cohortes ind\u00e9pendantes fix\u00e9es a priori<\/em> par le plan d’\u00e9chantillonnage (par exemple, comparer la r\u00e9partition des choix \u00e9lectoraux entre trois r\u00e9gions distinctes). Les implications m\u00e9thodologiques de cette typologie sont majeures : s\u00e9lectionner le test d’ad\u00e9quation exige d’avoir formul\u00e9 une hypoth\u00e8se th\u00e9orique explicite sur la distribution univari\u00e9e globale avant m\u00eame d’avoir extrait le moindre individu de la population, pr\u00e9servant ainsi la d\u00e9marche hypoth\u00e9tico-d\u00e9ductive de tout biais de circularit\u00e9 statistique.<\/p>\n

1.3 Typologie des distributions th\u00e9oriques test\u00e9es<\/h3>\n

La polyvalence du test d’ad\u00e9quation du khi-deux se manifeste \u00e0 travers la diversit\u00e9 des distributions th\u00e9oriques auxquelles les donn\u00e9es empiriques peuvent \u00eatre confront\u00e9es. Le cas le plus intuitif et le plus couramment mobilis\u00e9 est celui de la distribution uniforme ou \u00e9quiprobable. Dans ce sc\u00e9nario de r\u00e9f\u00e9rence, l’hypoth\u00e8se sous-jacente postule qu’aucun \u00e9v\u00e9nement ou statut n’est privil\u00e9gi\u00e9 : pour $k$<\/span> cat\u00e9gories disponibles, chaque modalit\u00e9 dispose rigoureusement de la m\u00eame probabilit\u00e9 d’occurrence, fix\u00e9e \u00e0 $p_i = 1\/k$<\/span>. Ce mod\u00e8le d’\u00e9quipromotion sert r\u00e9guli\u00e8rement de point z\u00e9ro pour d\u00e9tecter des asym\u00e9tries perceptives, des pr\u00e9f\u00e9rences comportementales instinctives ou des biais de s\u00e9lection m\u00e9canique.<\/p>\n

Un deuxi\u00e8me registre th\u00e9orique concerne les distributions fond\u00e9es sur des ratios d\u00e9terministes ou des proportions pr\u00e9\u00e9tablies par des th\u00e9ories scientifiques \u00e9prouv\u00e9es. Le paradigme fondateur de cette cat\u00e9gorie demeure les lois de la g\u00e9n\u00e9tique mend\u00e9lienne, \u00e0 l’instar du fameux ratio dihybride $9:3:3:1$<\/span> obtenu lors du croisement de lign\u00e9es h\u00e9t\u00e9rozygotes. En psychom\u00e9trie et en sciences cognitives, ces ratios peuvent d\u00e9river de mod\u00e8les de seuils d’activation cognitive, o\u00f9 des proportions asym\u00e9triques stables sont attendues selon les configurations de tests standardis\u00e9s.<\/p>\n

Enfin, le test du khi-deux permet d’\u00e9valuer l’ajustement \u00e0 des lois discr\u00e8tes th\u00e9oriques sp\u00e9cifiques formalis\u00e9es math\u00e9matiquement, telles que la loi de Poisson (pour mod\u00e9liser des \u00e9v\u00e9nements rares dans un intervalle temporel donn\u00e9) ou la loi binomiale. Il s’applique \u00e9galement de fa\u00e7on intensive aux mod\u00e8les normatifs issus de recensements d\u00e9mographiques nationaux, d’enqu\u00eates \u00e9pid\u00e9miologiques de grande envergure ou de registres de sant\u00e9 publique, o\u00f9 l’on cherche \u00e0 v\u00e9rifier si un \u00e9chantillon d’\u00e9tude refl\u00e8te fid\u00e8lement la stratification par classe sociale, r\u00e9gion g\u00e9ographique ou statut pathologique d’une population globale de r\u00e9f\u00e9rence.<\/p>\n

2. Motivation m\u00e9thodologique et cas d’usage en psychologie et sciences sociales<\/h2>\n

2.1 Validation de la repr\u00e9sentativit\u00e9 des cohortes d’\u00e9tude<\/h3>\n

L’un des d\u00e9fis cardinaux de la recherche contemporaine en psychologie et en sociologie quantitative r\u00e9side dans la validit\u00e9 externe des conclusions d\u00e9gag\u00e9es \u00e0 partir d’\u00e9chantillons de convenance. Trop souvent, les protocoles exp\u00e9rimentaux recrutent une proportion \u00e9crasante de participants r\u00e9pondant aux crit\u00e8res dits WEIRD<\/em> (Western, Educated, Industrialized, Rich, and Democratic), en particulier des \u00e9tudiants de premier cycle universitaire. Le test du khi-deux d’ad\u00e9quation offre un garde-fou m\u00e9thodologique indispensable pour \u00e9valuer formellement la repr\u00e9sentativit\u00e9 sociod\u00e9mographique de la cohorte d’\u00e9tude au regard de la population g\u00e9n\u00e9rale que le protocole pr\u00e9tend mod\u00e9liser.<\/p>\n

Dans cette configuration, les chercheurs comparent la distribution observ\u00e9e des caract\u00e9ristiques sociod\u00e9mographiques cl\u00e9s — telles que la r\u00e9partition par tranche d’\u00e2ge, le niveau d’instruction, la cat\u00e9gorie socio-professionnelle ou l’identification de genre — aux param\u00e8tres connus fournis par les instituts de statistique publique (comme l’Insee en France ou l’US Census Bureau). Si la valeur du khi-deux r\u00e9v\u00e8le une divergence statistiquement significative, le chercheur se trouve contraint de reconna\u00eetre un biais de s\u00e9lection ou de recrutement.<\/p>\n

Une telle non-conformit\u00e9 implique des limites structurelles quant \u00e0 la g\u00e9n\u00e9ralisabilit\u00e9 des r\u00e9sultats empiriques. L’impact de la sous-repr\u00e9sentation ou de la sur-repr\u00e9sentation de strates cat\u00e9gorielles sp\u00e9cifiques peut alt\u00e9rer profond\u00e9ment la puissance des tests ult\u00e9rieurs et masquer des interactions complexes. Le test du khi-deux d’ad\u00e9quation agit ainsi en amont de l’analyse causale comme un diagnostic d’int\u00e9grit\u00e9 de la structure d’\u00e9chantillonnage.<\/p>\n

2.2 V\u00e9rification des postulats d’\u00e9quiprobabilit\u00e9 dans les t\u00e2ches comportementales<\/h3>\n

Au sein des laboratoires de psychologie cognitive et des neurosciences exp\u00e9rimentales, de nombreux paradigmes reposent sur l’hypoth\u00e8se implicite que les sujets ou les mod\u00e8les animaux ne pr\u00e9sentent aucune pr\u00e9f\u00e9rence spatiale, temporelle ou perceptive spontan\u00e9e avant l’administration d’un renfor\u00e7ateur ou d’un stimulus critique. Le test d’ad\u00e9quation constitue alors l’outil de r\u00e9f\u00e9rence pour calibrer et neutraliser les dispositifs exp\u00e9rimentaux en v\u00e9rifiant le postulat d’\u00e9quiprobabilit\u00e9 des r\u00e9ponses.<\/p>\n

Consid\u00e9rons, par exemple, un labyrinthe en croix sur\u00e9lev\u00e9 ou un labyrinthe en Y utilis\u00e9 dans les \u00e9tudes d’exploration spatiale chez le rongeur, ou encore une t\u00e2che informatis\u00e9e de temps de r\u00e9action \u00e0 choix multiples chez l’\u00eatre humain o\u00f9 quatre cibles visuelles apparaissent de mani\u00e8re pseudo-al\u00e9atoire dans les quatre quadrants de l’\u00e9cran. Avant d’interpr\u00e9ter un temps de fixation oculaire ou une fr\u00e9quence de direction vers un bras comme l’effet d’une manipulation pharmacologique ou \u00e9motionnelle, le chercheur doit s’assurer que dans la condition contr\u00f4le (ligne de base), les sujets r\u00e9partissent leurs choix de fa\u00e7on rigoureusement \u00e9quiprobable (c’est-\u00e0-dire 25 % pour chaque quadrant ou bras).<\/p>\n

Le test du khi-deux d’ad\u00e9quation permet de confronter la fr\u00e9quence des s\u00e9lections effectives \u00e0 la distribution uniforme th\u00e9orique. Une divergence significative mettrait imm\u00e9diatement en lumi\u00e8re un d\u00e9s\u00e9quilibre instrumental, tel qu’une asym\u00e9trie lumineuse dans la salle d’exp\u00e9rimentation, un d\u00e9faut de calibrage d’un moniteur tactile ou une pr\u00e9f\u00e9rence motrice lat\u00e9rale (dext\u00e9rit\u00e9) non contr\u00f4l\u00e9e, \u00e9vitant ainsi l’imputation fallacieuse d’effets cognitifs \u00e0 des art\u00e9facts mat\u00e9riels.<\/p>\n

2.3 Conformit\u00e9 \u00e0 des mod\u00e8les th\u00e9oriques en psychologie diff\u00e9rentielle<\/h3>\n

La psychologie diff\u00e9rentielle et la psychiatrie clinique s’appuient fr\u00e9quemment sur des mod\u00e8les typologiques postulant l’existence de profils distincts au sein des populations cliniques ou saines. Qu’il s’agisse des styles d’attachement formalis\u00e9s par Mary Ainsworth et John Bowlby, des profils de personnalit\u00e9 issus du mod\u00e8le du Big Five<\/em>, ou des typologies de temp\u00e9rament chez l’enfant, ces th\u00e9ories pr\u00e9disent souvent des distributions sp\u00e9cifiques dans des cohortes normatives.<\/p>\n

Lorsqu’une \u00e9quipe de recherche \u00e9tudie une cohorte particuli\u00e8re — par exemple des adolescents plac\u00e9s sous protection judiciaire ou des patients hospitalis\u00e9s pour un trouble de l’usage de substances —, l’ad\u00e9quation du khi-deux permet d’\u00e9prouver formellement l’hypoth\u00e8se selon laquelle cette population clinique suit la m\u00eame r\u00e9partition typologique que la population tout-venant. Un rejet franc de l’ad\u00e9quation valide empiriquement la sp\u00e9cificit\u00e9 clinique de la cohorte \u00e9tudi\u00e9e, d\u00e9montrant que la pathologie s’accompagne d’une distorsion cat\u00e9gorielle des profils.<\/p>\n

De surcro\u00eet, le test trouve une application fertile dans l’analyse des propri\u00e9t\u00e9s m\u00e9trologiques des instruments de mesure psychom\u00e9trique. Face \u00e0 une \u00e9chelle d’\u00e9valuation de type Likert cat\u00e9goris\u00e9e ou \u00e0 des items dichotomiques de d\u00e9cision clinique, le chercheur peut mod\u00e9liser la fid\u00e9lit\u00e9 des fr\u00e9quences de s\u00e9lection attendues en fonction du niveau sous-jacent du trait latent pr\u00e9dit par les mod\u00e8les de la th\u00e9orie de la r\u00e9ponse \u00e0 l’item (TRI). Le test d’ad\u00e9quation offre ainsi une validation confirmatoire de l’ad\u00e9quation des patrons de r\u00e9ponse r\u00e9els aux configurations th\u00e9oriquement anticip\u00e9es par l’architecture du construit psychologique.<\/p>\n

3. Formulation formelle des hypoth\u00e8ses statistiques (H0 et H1)<\/h2>\n

3.1 D\u00e9finition rigoureuse de l’hypoth\u00e8se nulle (H0)<\/h3>\n

Sur le plan math\u00e9matique, l’hypoth\u00e8se nulle, not\u00e9e $H_0$<\/span>, constitue le pivot logique du test du khi-deux d’ad\u00e9quation. Elle incarne l’\u00e9nonc\u00e9 probabiliste formel stipulant une conformit\u00e9 exacte et sans r\u00e9serve entre la distribution des probabilit\u00e9s cat\u00e9gorielles observ\u00e9es dans la population d’int\u00e9r\u00eat et le vecteur des probabilit\u00e9s th\u00e9oriques sp\u00e9cifi\u00e9 par le chercheur. Soit une variable nominale discr\u00e8te poss\u00e9dant $k$<\/span> modalit\u00e9s mutuellement exclusives, l’hypoth\u00e8se nulle s’exprime sous la forme vectorielle suivante :<\/p>\n

$$H_0 : \\begin{\\pmatrix} p_1 \\ p_2 \\ \\vdots \\ p_k \\end{\\pmatrix} = \\begin{\\pmatrix} \\pi_1 \\ \\pi_2 \\ \\vdots \\ \\pi_k \\end{\\pmatrix}$$<\/span><\/p>\n

Dans cette formalisation rigoureuse, $p_i$<\/span> repr\u00e9sente la v\u00e9ritable probabilit\u00e9 que pr\u00e9sente un individu al\u00e9atoirement s\u00e9lectionn\u00e9 d’appartenir \u00e0 la cat\u00e9gorie $i$<\/span> dans la population parente, tandis que $\\pi_i$<\/span> d\u00e9note la probabilit\u00e9 th\u00e9orique assign\u00e9e a priori<\/em> \u00e0 cette m\u00eame cat\u00e9gorie, sous la contrainte stochastique stricte de normalisation $\\sum_{i=1}^k \\pi_i = 1$<\/span>. L’hypoth\u00e8se nulle soutient qu’aucune divergence structurelle n’existe entre la r\u00e9alit\u00e9 et le mod\u00e8le : tout \u00e9cart entre les fr\u00e9quences observ\u00e9es et les effectifs attendus d\u00e9coule exclusivement des fluctuations d’\u00e9chantillonnage al\u00e9atoires.<\/p>\n

Il importe de distinguer les hypoth\u00e8ses nulles simples des hypoth\u00e8ses nulles composites. Une hypoth\u00e8se est qualifi\u00e9e de simple lorsque le vecteur des probabilit\u00e9s th\u00e9oriques $(\\pi_1, \\pi_2, dots, \\pi_k)$<\/span> est int\u00e9gralement sp\u00e9cifi\u00e9 par la th\u00e9orie avant toute collecte de donn\u00e9es (par exemple, des ratios mend\u00e9liens ou une \u00e9quiprobabilit\u00e9 stricte). Elle devient composite d\u00e8s lors que les probabilit\u00e9s th\u00e9oriques d\u00e9pendent de param\u00e8tres distributionnels inconnus qui doivent \u00eatre directement estim\u00e9s \u00e0 partir de l’\u00e9chantillon lui-m\u00eame — \u00e0 l’instar de la moyenne $lambda$<\/span> d’une distribution de Poisson ou des param\u00e8tres de position d’une loi binomiale. Cette nuance m\u00e9thodologique modifie substantiellement le nombre de degr\u00e9s de libert\u00e9 applicables lors de l’\u00e9valuation finale.<\/p>\n

3.2 Caract\u00e9risation de l’hypoth\u00e8se alternative (H1)<\/h3>\n

\u00c0 l’oppos\u00e9 sym\u00e9trique de la pr\u00e9cision de l’hypoth\u00e8se nulle, l’hypoth\u00e8se alternative, conventionnellement not\u00e9e $H_1$<\/span>, se caract\u00e9rise par sa nature globale, omnibus et non directionnelle. Elle ne formule pas de pr\u00e9diction quant \u00e0 une trajectoire d’\u00e9volution sp\u00e9cifique d’une classe particuli\u00e8re au d\u00e9triment d’une autre, mais postule la faillite globale du mod\u00e8le th\u00e9orique propos\u00e9 par $H_0$<\/span>. Math\u00e9matiquement, l’\u00e9nonc\u00e9 formel de $H_1$<\/span> s’\u00e9crit de la mani\u00e8re suivante :<\/p>\n

$$H_1 : \\exists , i in {1, 2, dots, k} \\quad \\text{tel que} \\quad p_i \\neq \\pi_i$$<\/span><\/p>\n

En termes conceptuels, l’hypoth\u00e8se alternative affirme qu’il existe au moins une modalit\u00e9 — et en vertu de la contrainte de somme \u00e9gale \u00e0 un, au moins deux — pour laquelle la probabilit\u00e9 empirique dans la population d\u00e9vie de fa\u00e7on syst\u00e9matique par rapport \u00e0 la proportion th\u00e9orique de r\u00e9f\u00e9rence. Il n’y a aucune orientation a priori<\/em> impos\u00e9e sur le sens alg\u00e9brique de ces d\u00e9viations : certaines classes peuvent afficher une sur-repr\u00e9sentation marqu\u00e9e tandis que d’autres s’av\u00e8rent d\u00e9ficitaires.<\/p>\n

Cette non-directionnalit\u00e9 intrins\u00e8que de l’hypoth\u00e8se alternative entra\u00eene une cons\u00e9quence majeure pour le praticien des donn\u00e9es : le rejet statistique de $H_0$<\/span> ne permet jamais, \u00e0 lui seul, d’identifier avec pr\u00e9cision quelles cat\u00e9gories ont provoqu\u00e9 l’effondrement du mod\u00e8le th\u00e9orique. La d\u00e9cision globale signale simplement que l’\u00e9cart cumul\u00e9 d\u00e9passe le seuil imputable au hasard d’\u00e9chantillonnage. D\u00e8s lors, le chercheur se trouve confront\u00e9 \u00e0 l’obligation m\u00e9thodologique de d\u00e9ployer des analyses secondaires, couramment d\u00e9sign\u00e9es sous le vocable d’analyses post-hoc<\/em> ou d’examen des r\u00e9sidus ajust\u00e9s, afin de d\u00e9composer la d\u00e9viance globale et de localiser pr\u00e9cis\u00e9ment l’origine ph\u00e9nom\u00e9nologique du rejet.<\/p>\n

3.3 Risques de premi\u00e8re et seconde esp\u00e8ces (Alpha et B\u00eata)<\/h3>\n

Comme toute proc\u00e9dure d’inf\u00e9rence statistique formalis\u00e9e dans le paradigme de Neyman-Pearson, le test d’ad\u00e9quation du khi-deux expose le chercheur \u00e0 deux cat\u00e9gories inh\u00e9rentes de risques d\u00e9cisionnels : l’erreur de premi\u00e8re esp\u00e8ce (risque $\\alpha$<\/span>) et l’erreur de seconde esp\u00e8ce (risque $\\beta$<\/span>). La gestion raisonn\u00e9e de ces risques conditionne la validit\u00e9 des interpr\u00e9tations empiriques.<\/p>\n

Le risque $\\alpha$<\/span> — ou niveau de signification — correspond \u00e0 la probabilit\u00e9 probabiliste de rejeter \u00e0 tort l’hypoth\u00e8se nulle $H_0$<\/span> alors que celle-ci est rigoureusement vraie dans la population cible. Traditionnellement fix\u00e9 par convention \u00e0 $\\alpha = 0{,}05$<\/span> ou $\\alpha = 0{,}01$<\/span> dans les disciplines biom\u00e9dicales et comportementales, ce seuil d\u00e9limite l’extr\u00eame queue droite de la distribution th\u00e9orique du khi-deux. En pratique, commettre une erreur de type I conduit le chercheur \u00e0 affirmer pr\u00e9matur\u00e9ment qu’un \u00e9chantillon s’\u00e9carte de la distribution th\u00e9orique — par exemple, conclure faussement qu’un panel n’est pas repr\u00e9sentatif de la population —, invalidant inutilement des donn\u00e9es conformes ou g\u00e9n\u00e9rant de fausses d\u00e9couvertes scientifiques.<\/p>\n

\u00c0 l’inverse, l’erreur de seconde esp\u00e8ce ($\\beta$<\/span>) quantifie la probabilit\u00e9 d’\u00e9chouer \u00e0 rejeter $H_0$<\/span> alors qu’elle est factuellement fausse, le mod\u00e8le th\u00e9orique ne d\u00e9crivant pas la r\u00e9alit\u00e9 sous-jacente. La puissance statistique d’un test correspond au compl\u00e9mentaire de ce risque, soit $1 – \\beta$<\/span>. Dans le cas sp\u00e9cifique du khi-deux d’ad\u00e9quation, la puissance d\u00e9pend de trois facteurs indissociables : l’amplitude r\u00e9elle de la divergence entre les proportions (taille d’effet), le niveau $\\alpha$<\/span> s\u00e9lectionn\u00e9, et surtout, la taille totale de l’\u00e9chantillon $N$<\/span>.<\/p>\n

Cette d\u00e9pendance cr\u00e9e un paradoxe m\u00e9thodologique majeur : face \u00e0 des \u00e9chantillons de taille modeste, le khi-deux manque cruellement de puissance, laissant passer des d\u00e9viations th\u00e9oriquement substantielles. Inversement, face \u00e0 des \u00e9chantillons massifs (plusieurs dizaines de milliers d’observations fr\u00e9quentes \u00e0 l’\u00e8re des m\u00e9gadonn\u00e9es), le test acquiert une sensibilit\u00e9 extr\u00eame, conduisant au rejet syst\u00e9matique de $H_0$<\/span> pour des micro-\u00e9carts d\u00e9risoires et d\u00e9nu\u00e9s de toute signification pratique ou th\u00e9orique substantielle.<\/p>\n

4. La formule math\u00e9matique du khi-deux d’ad\u00e9quation expliqu\u00e9e<\/h2>\n

4.1 D\u00e9composition alg\u00e9brique de la statistique de Pearson<\/h3>\n

La statistique du test du khi-deux d’ad\u00e9quation con\u00e7ue par Karl Pearson repose sur une \u00e9l\u00e9gante m\u00e9canique d’agr\u00e9gation pond\u00e9r\u00e9e. Elle synth\u00e9tise l’ensemble des d\u00e9viations cat\u00e9gorielles locales en une m\u00e9trique scalaire unique refl\u00e9tant la discordance globale entre le r\u00e9el et le th\u00e9orique. Sa formulation alg\u00e9brique canonique s’exprime comme suit :<\/p>\n

$$\\chi^2 = \\sum_{i=1}^{k} \\frac{(O_i – E_i)^2}{E_i}$$<\/span><\/p>\n

Dans cette \u00e9quation universelle :<\/p>\n