X<\/em> = ∑i<\/em>=1<\/sub>k<\/em><\/sup> (Z<\/em>i<\/em><\/sub>)² ~ χ²(k<\/em>)<\/p>\n Cette variable X<\/em> suit une distribution du khi-deux \u00e0 k<\/em> degr\u00e9s de libert\u00e9. Sur le plan analytique, la fonction de densit\u00e9 de probabilit\u00e9 de cette loi s’exprime pour toute valeur positive de x<\/em> par l’\u00e9quation math\u00e9matique faisant intervenir la fonction Gamma d’Euler :<\/p>\n f<\/em>(x<\/em>; k<\/em>) = [1 \/ (2k<\/em>\/2<\/sup> Γ(k<\/em>\/2))] × x<\/em>(k<\/em>\/2) – 1<\/sup> × e<\/em>–x<\/em>\/2<\/sup>, pour x<\/em> > 0<\/p>\n L’\u00e9tude analytique de cette fonction r\u00e9v\u00e8le des propri\u00e9t\u00e9s structurales cruciales. La distribution est strictement positive et non sym\u00e9trique, pr\u00e9sentant une asym\u00e9trie positive prononc\u00e9e pour les faibles valeurs de k<\/em>. L’esp\u00e9rance math\u00e9matique d’une variable suivant une loi du khi-deux est exactement \u00e9gale \u00e0 son nombre de degr\u00e9s de libert\u00e9, E<\/em>(X<\/em>) = k<\/em>, tandis que sa variance vaut le double de ses degr\u00e9s de libert\u00e9, Var<\/em>(X<\/em>) = 2k<\/em>. Le mode de la distribution, repr\u00e9sentant le sommet de la courbe de densit\u00e9, est situ\u00e9 \u00e0 la valeur k<\/em> – 2 pour tout k<\/em> ≥ 2 (il est nul ou non d\u00e9fini au sens classique pour k<\/em> = 1 o\u00f9 la courbe tend asymptotiquement vers l’infini lorsque x<\/em> approche de z\u00e9ro).<\/p>\n L’introduction historique de ce cadre th\u00e9orique dans le champ de la statistique appliqu\u00e9e revient \u00e0 Karl Pearson, qui publia en 1900 son article fondateur dans la revue Philosophical Magazine<\/em>. Pearson cherchait \u00e0 r\u00e9soudre un probl\u00e8me fondamental : comment quantifier l’\u00e9cart global entre une distribution de fr\u00e9quences observ\u00e9es et une distribution th\u00e9orique attendue sous une hypoth\u00e8se scientifique donn\u00e9e. En concevant la statistique d’ajustement globale not\u00e9e χ² = ∑ [(O<\/em> – E<\/em>)² \/ E<\/em>], Pearson a d\u00e9montr\u00e9 que, sous certaines conditions limites de grands \u00e9chantillons, la somme pond\u00e9r\u00e9e de ces \u00e9carts au carr\u00e9 converge asymptotiquement vers la loi th\u00e9orique du khi-deux.<\/p>\n Pour rendre cette d\u00e9couverte op\u00e9rationnelle pour la communaut\u00e9 scientifique avant l’av\u00e8nement des calculateurs \u00e9lectroniques, il est devenu imp\u00e9ratif de compiler des tables de valeurs critiques. Pearson, puis Ronald A. Fisher et Frank Yates, ont tabul\u00e9 m\u00e9ticuleusement les int\u00e9grales de la fonction de densit\u00e9, fournissant aux chercheurs des points de coupure probabilistes universels. L’usage de ces tables imprim\u00e9es a litt\u00e9ralement r\u00e9volutionn\u00e9 l’histoire de la statistique inf\u00e9rentielle, standardisant les crit\u00e8res de preuve empirique et instaurant le paradigme moderne des tests d’hypoth\u00e8ses dans les laboratoires du monde entier.<\/p>\n Dans le domaine de la recherche psychologique et des sciences du comportement, l’exp\u00e9rimentateur est fr\u00e9quemment confront\u00e9 \u00e0 des donn\u00e9es de nature cat\u00e9gorielle ou nominale : typologies de personnalit\u00e9, choix comportementaux, diagnostics nosographiques, r\u00e9ponses binaires ou multinomiales \u00e0 des inventaires cliniques. Dans ces contextes exp\u00e9rimentaux, les mod\u00e8les param\u00e9triques lin\u00e9aires classiques reposant sur la continuit\u00e9 m\u00e9trique et la stricte normalit\u00e9 des r\u00e9sidus (comme les tests t<\/em> de Student ou l’analyse de variance univari\u00e9e) s’av\u00e8rent inapplicables sans violer gravement les postulats math\u00e9matiques.<\/p>\n La table de distribution du khi-deux constitue l’instrument arbitral par excellence permettant de prendre une d\u00e9cision statistique rigoureuse face \u00e0 l’hypoth\u00e8se nulle (not\u00e9e H<\/em>0<\/sub>). Cette hypoth\u00e8se postule g\u00e9n\u00e9ralement l’absence de lien, l’ind\u00e9pendance de deux facteurs psychologiques, ou la parfaite conformit\u00e9 d’un profil empirique de r\u00e9ponses avec une distribution th\u00e9orique postul\u00e9e par un mod\u00e8le psychom\u00e9trique. En confrontant la statistique d’\u00e9cart calcul\u00e9e sur les participants \u00e0 la valeur seuil inscrite dans la table, le chercheur s’assure d’une r\u00e8gle d\u00e9cisionnelle objective : si l’\u00e9cart observ\u00e9 d\u00e9passe le seuil critique pour un risque d’erreur consenti, l’hypoth\u00e8se d’ind\u00e9pendance ou d’ad\u00e9quation fortuite est rejet\u00e9e.<\/p>\n Cette validation empirique est au c\u0153ur de la construction des instruments de mesure en psychologie cognitive, sociale et diff\u00e9rentielle. Lors de l’\u00e9laboration d’un test psychom\u00e9trique, la table permet de v\u00e9rifier si les patrons d’approbation d’items diff\u00e8rent selon des sous-groupes cliniques ou sociod\u00e9mographiques (par l’analyse du fonctionnement diff\u00e9rentiel d’items). Elle offre une m\u00e9thode directe pour tester la validit\u00e9 de construit sans d\u00e9pendre aveugl\u00e9ment d’algorithmes informatiques opaques.<\/p>\n La ma\u00eetrise de la table pr\u00e9serve en outre l’esprit critique du chercheur. Face \u00e0 des sorties num\u00e9riques automatis\u00e9es, la consultation raisonn\u00e9e d’une table permet d’appr\u00e9cier la proximit\u00e9 de la statistique observ\u00e9e avec les bornes de rejet, de comprendre l’impact d’une modification du plan exp\u00e9rimental (comme l’ajout d’une modalit\u00e9 de r\u00e9ponse) sur le seuil critique, et de garantir une interpr\u00e9tation rigoureuse des matrices de contingence complexes dans les \u00e9tudes de psychopathologie observationnelle.<\/p>\n L’utilisation de la loi du khi-deux pour analyser des tableaux de fr\u00e9quences repose sur une subtilit\u00e9 math\u00e9matique majeure qu’il convient de th\u00e9oriser clairement : la loi de probabilit\u00e9 du khi-deux est une distribution continue<\/strong>, d\u00e9finie sur l’ensemble des r\u00e9els positifs [0, +∞[, alors que les donn\u00e9es empiriques recueillies consistent en des fr\u00e9quences ou d\u00e9nombrements discrets appartenant \u00e0 l’ensemble des entiers naturels.<\/p>\n Cette application n’est rendue possible que gr\u00e2ce au th\u00e9or\u00e8me central limite et \u00e0 ses extensions multivari\u00e9es, qui garantissent une convergence asymptotique<\/em>. Lorsque la taille de l’\u00e9chantillon N<\/em> tend vers l’infini, la distribution d’\u00e9chantillonnage de la statistique discr\u00e8te ∑ [(O<\/em> – E<\/em>)² \/ E<\/em>] converge en loi vers la distribution continue th\u00e9orique tabul\u00e9e. En d’autres termes, pour des effectifs suffisamment amples, la probabilit\u00e9 cumul\u00e9e associ\u00e9e \u00e0 la somme discr\u00e8te d’\u00e9carts co\u00efncide de mani\u00e8re infinit\u00e9simale avec l’int\u00e9grale sous la courbe de densit\u00e9 continue du khi-deux.<\/p>\n Cependant, cette approximation asymptotique pr\u00e9sente des limites th\u00e9oriques et pratiques strictes que tout m\u00e9thodologue doit garder \u00e0 l’esprit :<\/p>\n D\u00e8s lors, l’application de la table du khi-deux \u00e0 des donn\u00e9es discr\u00e8tes pr\u00e9suppose toujours le respect de crit\u00e8res d’\u00e9chantillonnage minimaux (les c\u00e9l\u00e8bres conditions de Cochran), sous peine de comparer une grandeur empirique \u00e0 une distribution th\u00e9orique non congruente.<\/p>\n L’architecture matricielle standard d’une table de distribution du khi-deux est structur\u00e9e de fa\u00e7on bidimensionnelle pour faciliter la lecture des quantiles th\u00e9oriques. L’axe vertical, g\u00e9n\u00e9ralement positionn\u00e9 dans la colonne la plus \u00e0 gauche (souvent \u00e9tiquet\u00e9e ddl<\/em>, df<\/em> pour degrees of freedom<\/em>, ou repr\u00e9sent\u00e9 par la lettre grecque ν), organise s\u00e9quentiellement le nombre de degr\u00e9s de libert\u00e9 assign\u00e9s \u00e0 l’exp\u00e9rience statistique.<\/p>\n Dans la grande majorit\u00e9 des tables scientifiques de r\u00e9f\u00e9rence, cet axe commence \u00e0 la valeur 1 et progresse de mani\u00e8re unitaire jusqu’\u00e0 30 ou 40. Cette granularit\u00e9 fine au d\u00e9but de l’\u00e9chelle est justifi\u00e9e par le fait que la forme g\u00e9om\u00e9trique de la fonction de densit\u00e9 du khi-deux subit des transformations morphologiques radicales d’un entier \u00e0 l’autre dans cette zone. Pour les valeurs de degr\u00e9s de libert\u00e9 sup\u00e9rieures (de 40 \u00e0 100, voire plus), les tables pr\u00e9sentent souvent un pas plus large (par exemple des incr\u00e9ments de 5 ou de 10 unit\u00e9s), car les variations marginales des valeurs critiques s’att\u00e9nuent progressivement.<\/p>\n Au-del\u00e0 de 100 degr\u00e9s de libert\u00e9, la loi du khi-deux tend vers une distribution normale en vertu du th\u00e9or\u00e8me de Moivre-Laplace. L’utilisateur n’a alors plus besoin d’une tabulation exhaustive et recourt \u00e0 des formules de transformation normale pour calculer les quantiles critiques directement \u00e0 partir de la loi normale centr\u00e9e r\u00e9duite. Chaque ligne de la table mat\u00e9rialise donc une distribution th\u00e9orique distincte, caract\u00e9ris\u00e9e par une moyenne \u00e9gale \u00e0 son ddl et une dispersion \u00e9gale \u00e0 deux fois son ddl, imposant des seuils de rejet sp\u00e9cifiques \u00e0 chaque configuration exp\u00e9rimentale.<\/p>\n L’axe horizontal, formant l’en-t\u00eate sup\u00e9rieur de la table, r\u00e9pertorie les niveaux de probabilit\u00e9 critique, traditionnellement symbolis\u00e9s par α ou p<\/em>. Ces niveaux correspondent \u00e0 des surfaces d’int\u00e9gration sous la courbe de densit\u00e9 de probabilit\u00e9, d\u00e9finissant des seuils de raret\u00e9 statistique pr\u00e9\u00e9tablis par la convention scientifique.<\/p>\n Les colonnes usuelles affichent les niveaux de significativit\u00e9 acad\u00e9miques conventionnels :<\/p>\n Une distinction typographique et conceptuelle cruciale doit \u00eatre op\u00e9r\u00e9e selon la mani\u00e8re dont la table est index\u00e9e par ses auteurs. Certaines tables affichent la probabilit\u00e9 de la queue sup\u00e9rieure<\/em> (la probabilit\u00e9 que la variable χ² soit sup\u00e9rieure ou \u00e9gale \u00e0 la valeur critique, soit P<\/em>(X<\/em> ≥ χ²crit<\/sub>) = α), tandis que d’autres affichent la probabilit\u00e9 cumulative<\/em> \u00e0 gauche (soit P<\/em>(X<\/em> ≤ χ²crit<\/sub>) = 1 – α, affichant des valeurs comme 0,90, 0,95, 0,99, 0,999). Les manuels francophones et anglo-saxons alternent fr\u00e9quemment ces conventions, imposant une v\u00e9rification syst\u00e9matique de l’en-t\u00eate ou du sch\u00e9ma graphique accompagnant la table avant toute extraction num\u00e9rique.<\/p>\n Le corps principal de la table est constitu\u00e9 d’une matrice bidimensionnelle de nombres r\u00e9els positifs, g\u00e9n\u00e9ralement exprim\u00e9s avec deux ou trois d\u00e9cimales de pr\u00e9cision. Chaque valeur scalaire situ\u00e9e \u00e0 l’intersection exacte d’une ligne (d\u00e9finie par le nombre de degr\u00e9s de libert\u00e9 k<\/em>) et d’une colonne (d\u00e9finie par le niveau de risque α) repr\u00e9sente le quantile critique<\/em> de la distribution du khi-deux, not\u00e9 conventionnellement χ²(α, k<\/em>)<\/sub>.<\/p>\n Ce nombre critique d\u00e9limite pr\u00e9cis\u00e9ment sur l’axe des abscisses la fronti\u00e8re g\u00e9om\u00e9trique entre deux r\u00e9gions fondamentales de l’espace \u00e9chantillonnal :<\/p>\n Cette matrice num\u00e9rique poss\u00e8de une propri\u00e9t\u00e9 math\u00e9matique fondamentale de monotonicit\u00e9 croissante<\/strong>. Pour un degr\u00e9 de libert\u00e9 donn\u00e9 (le long d’une m\u00eame ligne), la valeur critique augmente strictement \u00e0 mesure que le seuil α diminue (devient plus exigeant). De m\u00eame, pour un seuil α fix\u00e9 (le long d’une m\u00eame colonne), la valeur critique cro\u00eet de mani\u00e8re monotone \u00e0 mesure que les degr\u00e9s de libert\u00e9 augmentent, refl\u00e9tant le d\u00e9placement progressif de la masse de distribution vers la droite.<\/p>\n L’utilisation correcte de la table de distribution du khi-deux repose imp\u00e9rativement sur la d\u00e9termination exacte du nombre de degr\u00e9s de libert\u00e9 caract\u00e9risant le plan d’observation. Dans le cadre de l’analyse d’associations entre deux variables qualitatives ordonn\u00e9es dans un tableau de contingence croisant r<\/em> lignes (modalit\u00e9s de la premi\u00e8re variable) et c<\/em> colonnes (modalit\u00e9s de la seconde variable), la formule de calcul standard s’exprime par le produit matriciel suivant :<\/p>\n ddl<\/em> = (r<\/em> – 1) × (c<\/em> – 1)<\/p>\n Cette formule d\u00e9coule directement des contraintes marginales qui p\u00e8sent sur le tableau. Dans un tableau de contingence de dimensions r<\/em> × c<\/em>, les totaux marginaux de chaque ligne et de chaque colonne sont fix\u00e9s par l’\u00e9chantillonnage total N<\/em>. Par cons\u00e9quent, au sein d’une ligne donn\u00e9e, d\u00e8s lors que les effectifs de (c<\/em> – 1) cellules ont \u00e9t\u00e9 librement renseign\u00e9s, le dernier effectif de la ligne est automatiquement d\u00e9termin\u00e9 pour que la somme corresponde au total marginal fix\u00e9. Il en va de m\u00eame pour les lignes : seules (r<\/em> – 1) lignes peuvent varier librement.<\/p>\n Prenons un exemple concret en psychopathologie clinique portant sur l’\u00e9tude de la comorbidit\u00e9 entre trois types de troubles anxieux (Trouble Panique, Anxi\u00e9t\u00e9 G\u00e9n\u00e9ralis\u00e9e, Phobie Sociale ; soit r<\/em> = 3) et trois niveaux de r\u00e9ponse \u00e0 une psychoth\u00e9rapie d’inspiration comportementale (R\u00e9mission compl\u00e8te, Am\u00e9lioration partielle, \u00c9chec th\u00e9rapeutique ; soit c<\/em> = 3). Le tableau de contingence comporte 3 × 3 = 9 cellules int\u00e9rieures. Les degr\u00e9s de libert\u00e9 associ\u00e9s au test d’ind\u00e9pendance sont :<\/p>\n ddl<\/em> = (3 – 1) × (3 – 1) = 2 × 2 = 4<\/p>\n Le clinicien devra donc interroger la 4e ligne de la table du khi-deux pour valider ou invalider l’hypoth\u00e8se d’une efficacit\u00e9 th\u00e9rapeutique diff\u00e9renci\u00e9e selon la nosologie.<\/p>\n Dans les configurations exp\u00e9rimentales o\u00f9 le chercheur \u00e9value l’ad\u00e9quation d’une distribution d’\u00e9chantillonnage univari\u00e9e \u00e0 un mod\u00e8le th\u00e9orique pr\u00e9\u00e9tabli (test de conformit\u00e9 du khi-deux), le calcul des degr\u00e9s de libert\u00e9 ob\u00e9it \u00e0 une logique diff\u00e9rente bas\u00e9e sur le nombre de cat\u00e9gories k<\/em> constituant l’\u00e9chelle de mesure.<\/p>\n Dans le cas le plus \u00e9l\u00e9mentaire, lorsque la distribution th\u00e9orique est enti\u00e8rement sp\u00e9cifi\u00e9e a priori<\/em> sans qu’aucun param\u00e8tre n’ait besoin d’\u00eatre estim\u00e9 \u00e0 partir des donn\u00e9es de l’\u00e9chantillon empirique, la formule est simplement :<\/p>\n ddl<\/em> = k<\/em> – 1<\/p>\n La soustraction d’une unit\u00e9 traduit l’unique contrainte impos\u00e9e par la somme totale des fr\u00e9quences observ\u00e9es, qui doit n\u00e9cessairement \u00e9galer la taille globale de l’\u00e9chantillon N<\/em>. C’est le cas par exemple lors du test d’\u00e9quiprobabilit\u00e9 des choix sur une \u00e9chelle de Likert \u00e0 5 points (k<\/em> = 5), o\u00f9 ddl<\/em> = 5 – 1 = 4.<\/p>\n Toutefois, si la distribution th\u00e9orique de r\u00e9f\u00e9rence n\u00e9cessite l’estimation de p<\/em> param\u00e8tres math\u00e9matiques inconnus directement \u00e0 partir des observations (comme la moyenne μ ou l’\u00e9cart-type σ dans le cadre d’un ajustement \u00e0 une loi normale), chaque param\u00e8tre estim\u00e9 impose une contrainte suppl\u00e9mentaire sur les donn\u00e9es, r\u00e9duisant d’autant la variabilit\u00e9 libre. La formule ajust\u00e9e devient alors :<\/p>\n ddl<\/em> = k<\/em> – 1 – p<\/em><\/p>\n Une m\u00e9prise dans ce calcul (par exemple, omettre de soustraire les param\u00e8tres estim\u00e9s) entra\u00eene une surestimation des degr\u00e9s de libert\u00e9, ce qui conduit \u00e0 s\u00e9lectionner une valeur critique erron\u00e9e dans la table. Cela gonfle ind\u00fbment le seuil de rejet et majore significativement le risque d’erreur de type II (ne pas rejeter une hypoth\u00e8se fausse), ou fausse dramatiquement le contr\u00f4le de l’erreur de type I.<\/p>\n La compr\u00e9hension intuitive de la table de distribution exige de visualiser comment la courbe g\u00e9om\u00e9trique de densit\u00e9 du khi-deux se m\u00e9tamorphose \u00e0 mesure que l’on descend le long de l’axe vertical des degr\u00e9s de libert\u00e9.<\/p>\n Pour un degr\u00e9 de libert\u00e9 (ddl<\/em> = 1), la courbe pr\u00e9sente une forme en \u00ab\u00a0J invers\u00e9\u00a0\u00bb hyper-asym\u00e9trique : la densit\u00e9 de probabilit\u00e9 tend vers l’infini au voisinage imm\u00e9diat de z\u00e9ro et s’effondre de mani\u00e8re exponentielle d\u00e8s que la valeur augmente. Pour ddl<\/em> = 2, la distribution est une d\u00e9croissance exponentielle pure d\u00e9butant \u00e0 la valeur 0,5 \u00e0 l’origine (x<\/em> = 0). Dans ces deux configurations, les valeurs critiques sont tr\u00e8s faibles pour les seuils standards (par exemple, 3,841 pour ddl<\/em> = 1 \u00e0 α = 0,05).<\/p>\n \u00c0 partir de ddl<\/em> = 3, la distribution se referme \u00e0 l’origine (f<\/em>(0) = 0), d\u00e9veloppant une cloche asym\u00e9trique avec un mode positif distinct situ\u00e9 \u00e0 k<\/em> – 2. \u00c0 mesure que k<\/em> cro\u00eet vers 10, 20 ou 30, plusieurs ph\u00e9nom\u00e8nes visuels et num\u00e9riques concomitants se produisent :<\/p>\n Num\u00e9riquement, cela se traduit dans la table par un \u00e9talement croissant des \u00e9carts entre les diff\u00e9rents quantiles critiques \u00e0 mesure que le nombre de degr\u00e9s de libert\u00e9 augmente.<\/p>\n Le seuil de signification α, couramment d\u00e9sign\u00e9 sous le terme de niveau alpha, repr\u00e9sente la probabilit\u00e9 a priori, accept\u00e9e par l’exp\u00e9rimentateur, de rejeter \u00e0 tort l’hypoth\u00e8se nulle alors qu’elle est en r\u00e9alit\u00e9 vraie dans la population parente. Il s’agit du contr\u00f4le formel du risque d’erreur de type I<\/strong> (taux de faux positifs).<\/p>\n Dans les sciences humaines et sociales, la convention m\u00e9thodologique \u00e9tablie par Fisher a consacr\u00e9 le seuil α = 0,05 (soit une chance sur 20 d’erreur) comme la ligne de d\u00e9marcation standard de la significativit\u00e9 statistique. Une telle convention permet une uniformisation des crit\u00e8res de preuve dans les revues \u00e0 comit\u00e9 de lecture. N\u00e9anmoins, le choix du seuil ne doit jamais \u00eatre aveugle et d\u00e9pend intimement des enjeux \u00e9pist\u00e9miques et pratiques de l’investigation :<\/p>\n La r\u00e8gle d’or m\u00e9thodologique impose que le niveau α soit fix\u00e9 de mani\u00e8re irr\u00e9vocable avant<\/em> le recueil et l’analyse des donn\u00e9es empiriques, interdisant toute modification opportuniste dict\u00e9e par les r\u00e9sultats du calcul.<\/p>\n La tr\u00e8s grande majorit\u00e9 des applications de la table du khi-deux (qu’il s’agisse de tests d’ind\u00e9pendance dans un tableau crois\u00e9 ou de tests d’ad\u00e9quation) sont structurellement des tests unilat\u00e9raux orient\u00e9s vers la queue sup\u00e9rieure<\/strong> de la distribution. En effet, la statistique de Pearson \u00e9l\u00e8ve les \u00e9carts (O<\/em> – E<\/em>) au carr\u00e9, transformant toute divergence entre la th\u00e9orie et l’observation en une grandeur strictement positive. Plus le d\u00e9saccord empirique est massif, plus la valeur calcul\u00e9e est d\u00e9port\u00e9e vers l’extr\u00eame droite de la courbe.<\/p>\n N\u00e9anmoins, l’\u00e9valuation de la queue de distribution inf\u00e9rieure<\/strong> (associ\u00e9e \u00e0 des probabilit\u00e9s p<\/em> > 0,95 ou p<\/em> > 0,99, ou \u00e0 des quantiles r\u00e9siduels tr\u00e8s proches de z\u00e9ro) pr\u00e9sente un int\u00e9r\u00eat diagnostique et m\u00e9thodologique fondamental dans plusieurs situations sp\u00e9cifiques :<\/p>\n Les tables compl\u00e8tes int\u00e8grent donc souvent \u00e0 la fois les colonnes des quantiles sup\u00e9rieurs usuels (0,10, 0,05, 0,01) et celles des quantiles inf\u00e9rieurs correspondants (0,90, 0,95, 0,99).<\/p>\n La p-valeur (ou probabilit\u00e9 critique observ\u00e9e) et la valeur critique tabul\u00e9e χ²crit<\/sub> sont deux concepts \u00e9troitement intriqu\u00e9s qui d\u00e9crivent le m\u00eame ph\u00e9nom\u00e8ne probabiliste selon deux perspectives g\u00e9om\u00e9triques compl\u00e9mentaires.<\/p>\n La valeur critique tabul\u00e9e χ²(α, k<\/em>)<\/sub> est une abscisse fix\u00e9e d’avance en fonction du seuil d’erreur th\u00e9orique α. La p-valeur repr\u00e9sente quant \u00e0 elle la surface exacte d’int\u00e9gration de la fonction de densit\u00e9 de probabilit\u00e9 au-del\u00e0 de la statistique observ\u00e9e χ²obs<\/sub> calcul\u00e9e sur l’\u00e9chantillon :<\/p>\n p<\/em>-valeur = ∫χ²obs<\/sub><\/sub>+∞<\/sup> f<\/em>(x<\/em>; k<\/em>) dx<\/em><\/p>\n La relation d\u00e9cisionnelle d’\u00e9quivalence formelle s’\u00e9tablit comme suit :<\/p>\n χ²obs<\/sub> > χ²(α, k<\/em>)<\/sub> ⇔ p<\/em>-valeur < α<\/strong><\/p>\n Si la statistique observ\u00e9e se situe plus \u00e0 droite sur l’axe des abscisses que le quantile critique tabul\u00e9, l’aire r\u00e9siduelle sous la courbe \u00e0 sa droite (la p-valeur) est obligatoirement plus petite que l’aire α. Bien que les tables physiques imprim\u00e9es ne permettent g\u00e9n\u00e9ralement pas d’extraire la p-valeur exacte avec dix d\u00e9cimales, elles permettent d’encadrer rigoureusement cette probabilit\u00e9 entre deux bornes tabul\u00e9es (par exemple affirmer avec certitude que 0,01 < p<\/em> < 0,05), ce qui suffit amplement pour conclure de mani\u00e8re irr\u00e9futable quant au rejet ou au non-rejet de l’hypoth\u00e8se nulle.<\/p>\n La consultation d’une table de distribution du khi-deux ob\u00e9it \u00e0 un protocole standardis\u00e9 en quatre \u00e9tapes s\u00e9quentielles rigoureuses, garantissant l’immunit\u00e9 contre les erreurs d’inattention m\u00e9thodologique :<\/p>\n La r\u00e8gle d’inf\u00e9rence statistique s’articule autour d’un crit\u00e8re formel binaire strict :<\/p>\n1.2 Utilit\u00e9 fondamentale de la table en recherche psychologique<\/h3>\n
1.3 Principes de distribution continue appliqu\u00e9e \u00e0 des donn\u00e9es discr\u00e8tes<\/h3>\n
\n
2. Structure fondamentale et anatomie d’une table de distribution du khi-deux<\/h2>\n
![\"\"](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/chi_table_test-scaled.png\")
<\/figure>\n2.1 L’axe vertical : identification des degr\u00e9s de libert\u00e9<\/h3>\n
2.2 L’axe horizontal : les niveaux de probabilit\u00e9 critique<\/h3>\n
\n
2.3 Le corps de la table : matrice des valeurs critiques<\/h3>\n
\n
3. Le concept des degr\u00e9s de libert\u00e9 dans l’utilisation de la table<\/h2>\n
3.1 Calcul des degr\u00e9s de libert\u00e9 pour les tableaux de contingence<\/h3>\n
3.2 Calcul des degr\u00e9s de libert\u00e9 pour les tests d’ad\u00e9quation<\/h3>\n
3.3 \u00c9volution de la forme de la distribution selon les degr\u00e9s de libert\u00e9<\/h3>\n
\n
4. Les niveaux de signification alpha et les probabilit\u00e9s critiques<\/h2>\n
4.1 D\u00e9finition et choix du seuil alpha en psychologie exp\u00e9rimentale<\/h3>\n
\n
4.2 Queue de distribution sup\u00e9rieure versus inf\u00e9rieure<\/h3>\n
\n
4.3 Relation math\u00e9matique entre la p-valeur et la valeur critique tabul\u00e9e<\/h3>\n
5. M\u00e9thodologie pas \u00e0 pas pour la lecture et l’interpr\u00e9tation de la table<\/h2>\n
5.1 Protocole de rep\u00e9rage s\u00e9quentiel<\/h3>\n
\n
5.2 Formulation de la r\u00e8gle de d\u00e9cision statistique<\/h3>\n
\n