{"id":667,"date":"2026-09-04T14:07:47","date_gmt":"2026-09-04T14:07:47","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/table-mann-whitney-u\/"},"modified":"2026-09-04T14:07:50","modified_gmt":"2026-09-04T14:07:50","slug":"table-mann-whitney-u","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=table-mann-whitney-u","title":{"rendered":"Table de Mann-Whitney U"},"content":{"rendered":"

L’analyse statistique des donn\u00e9es comportementales et cliniques en psychologie se heurte fr\u00e9quemment \u00e0 la non-conformit\u00e9 des distributions empiriques avec les postulats stricts des mod\u00e8les param\u00e9triques classiques. Lorsque les hypoth\u00e8ses de normalit\u00e9 des r\u00e9sidus et d’homog\u00e9n\u00e9it\u00e9 des variances ne sont pas satisfaites, ou lorsque les instruments de mesure g\u00e9n\u00e8rent des donn\u00e9es purement ordinales comme les \u00e9chelles de Likert, l’utilisation du test t<\/em> de Student pour \u00e9chantillons ind\u00e9pendants s’av\u00e8re m\u00e9thodologiquement inappropri\u00e9e. C’est dans ce contexte \u00e9pist\u00e9mologique pr\u00e9cis que s’impose le recours au test de somme des rangs de Wilcoxon-Mann-Whitney et, plus particuli\u00e8rement, \u00e0 la table de Mann-Whitney U<\/strong>, instrument fondamental pour la prise de d\u00e9cision statistique sur des \u00e9chantillons restreints.<\/p>\n

La table de Mann-Whitney U compile les distributions d’\u00e9chantillonnage exactes de la statistique $U$<\/span> sous l’hypoth\u00e8se nulle ($H_0$<\/span>). Contrairement aux tests param\u00e9triques dont la distribution th\u00e9orique continue (telle que la loi de Student ou la loi de Fisher-Snedecor) s’applique uniform\u00e9ment quel que soit l’effectif, la statistique non param\u00e9trique repose sur des d\u00e9nombrements combinatoires discrets. D\u00e8s lors, pour les protocoles exp\u00e9rimentaux impliquant des tailles d’\u00e9chantillons modestes \u2014 une situation ubiquitaire en neuropsychologie clinique, en psychophysiologie ou lors de protocoles de recherche sur des populations rares \u2014, la consultation minutieuse des valeurs critiques tabul\u00e9es constitue la seule d\u00e9marche valide pour contr\u00f4ler rigoureusement le risque d’erreur de premi\u00e8re esp\u00e8ce ($\\alpha$<\/span>).<\/p>\n

Ce guide exhaustif et m\u00e9thodique a \u00e9t\u00e9 con\u00e7u pour accompagner les chercheurs, enseignants-chercheurs, cliniciens et \u00e9tudiants en sciences du comportement dans la compr\u00e9hension profonde, la lecture analytique et l’exploitation pratique de la table des valeurs critiques de Mann-Whitney. De l’\u00e9lucidation de ses fondements math\u00e9matiques combinatoires \u00e0 l’interpr\u00e9tation des seuils de signification statistique ($\\alpha = 0{,}05$<\/span>, $\\alpha = 0{,}01$<\/span> et $\\alpha = 0{,}10$<\/span>), en passant par la gestion des hypoth\u00e8ses directionnelles, le calcul manuel rigoureux et l’articulation avec les logiciels statistiques modernes (R, SPSS, Python), cet article offre un panorama complet des normes m\u00e9thodologiques requises par la recherche contemporaine.<\/p>\n

1. Introduction \u00e0 la table de Mann-Whitney U et aux statistiques non param\u00e9triques en psychologie<\/h2>\n

1.1 Contexte th\u00e9orique et \u00e9mergence du test non param\u00e9trique<\/h3>\n

L’histoire de l’inf\u00e9rence non param\u00e9trique moderne trouve son origine fondamentale dans les travaux pionniers de Frank Wilcoxon (1945), qui proposa pour la premi\u00e8re fois un test bas\u00e9 sur la somme des rangs pour deux \u00e9chantillons ind\u00e9pendants de m\u00eame taille. Deux ans plus tard, Henry Mann et Donald Whitney (1947) g\u00e9n\u00e9ralis\u00e8rent de mani\u00e8re substantielle cette approche math\u00e9matique en d\u00e9veloppant une formulation probabiliste \u00e9l\u00e9gante adapt\u00e9e \u00e0 des tailles d’\u00e9chantillons in\u00e9gales, introduisant formellement la statistique d\u00e9sign\u00e9e aujourd’hui sous le symbole $U$<\/span>. Leurs contributions conjointes ont dot\u00e9 la communaut\u00e9 scientifique d’un outil d’analyse inf\u00e9rentielle puissant, capable d’\u00e9valuer si deux distributions ind\u00e9pendantes proviennent d’une m\u00eame population parente sans exiger la sp\u00e9cification math\u00e9matique pr\u00e9cise des param\u00e8tres de cette population.<\/p>\n

Dans le domaine des sciences psychologiques, l’\u00e9mergence de ce test a constitu\u00e9 une r\u00e9ponse m\u00e9thodologique indispensable face aux violations syst\u00e9matiques des hypoth\u00e8ses requises par les mod\u00e8les gaussiens. Les mesures psychologiques \u2014 qu’il s’agisse de temps de r\u00e9action pr\u00e9sentant une asym\u00e9trie positive marqu\u00e9e, de scores d’anxi\u00e9t\u00e9 tronqu\u00e9s par des effets de plancher ou de plafond, ou d’\u00e9valuations cliniques semi-quantitatives \u2014 s’\u00e9cartent tr\u00e8s souvent de la distribution normale th\u00e9orique. L’application d’un test param\u00e9trique dans de telles conditions expose le chercheur \u00e0 une alt\u00e9ration s\u00e9v\u00e8re du taux nominal d’erreur de premi\u00e8re esp\u00e8ce ainsi qu’\u00e0 une chute drastique de la puissance statistique.<\/p>\n

Le principe sous-jacent au test de Mann-Whitney repose sur une transformation ordinale des observations : les donn\u00e9es quantitatives brutes sont regroup\u00e9es, ordonn\u00e9es conjointement et converties en rangs croissants. Cette op\u00e9ration neutralise l’impact d\u00e9l\u00e9t\u00e8re des valeurs extr\u00eames ou aberrantes (outliers<\/em>) tout en pr\u00e9servant l’information relative \u00e0 l’ordre stochastique des mesures. Au c\u0153ur de ce dispositif d\u00e9cisionnel classique, la table statistique de Mann-Whitney<\/strong> joue un r\u00f4le d\u00e9terminant. Elle fournit, pour des combinaisons discr\u00e8tes de tailles d’\u00e9chantillons, la valeur critique seuil au-del\u00e0 de laquelle l’\u00e9cart constat\u00e9 entre les sommes de rangs ne peut plus \u00eatre raisonnablement attribu\u00e9 aux seules fluctuations al\u00e9atoires de l’\u00e9chantillonnage.<\/p>\n

1.2 Importance de la table de distribution exacte en psychom\u00e9trie<\/h3>\n

En recherche exp\u00e9rimentale et en pratique psychom\u00e9trique, les contraintes \u00e9thiques, financi\u00e8res et logistiques limitent fr\u00e9quemment le recrutement des participants \u00e0 de faibles effectifs. En neuropsychologie l\u00e9sionnelle ou lors de l’\u00e9valuation d’interventions th\u00e9rapeutiques ciblant des pathologies rares, les groupes d’\u00e9tude exc\u00e8dent rarement une douzaine de sujets ($n < 15$<\/span>). Pour de tels effectifs, les th\u00e9or\u00e8mes limites fondamentaux \u2014 en particulier le th\u00e9or\u00e8me central limite \u2014 ne peuvent \u00eatre invoqu\u00e9s pour l\u00e9gitimer une approximation par une distribution continue normale. La distribution d'\u00e9chantillonnage de la statistique de test demeure intrins\u00e8quement discontinue et combinatoire.<\/p>\n

C’est pr\u00e9cis\u00e9ment ici que r\u00e9side la valeur irrempla\u00e7able de la table de distribution exacte de Mann-Whitney. Contrairement aux approximations asymptotiques qui tendent \u00e0 sous-estimer ou surestimer le risque d’erreur selon la configuration des donn\u00e9es, la table exacte d\u00e9rive du d\u00e9nombrement exhaustif de toutes les permutations possibles des rangs sous l’hypoth\u00e8se nulle d’\u00e9quivalence stochastique. Elle garantit ainsi que le risque de commettre un faux positif ($\\alpha$<\/span>) est strictement contr\u00f4l\u00e9 au seuil pr\u00e9d\u00e9fini par l’exp\u00e9rimentateur, \u00e9vitant les biais d’approximation qui pourraient invalider des conclusions cliniques critiques.<\/p>\n

De surcro\u00eet, le cadre d’\u00e9valuation psychom\u00e9trique standard s’appuie massivement sur des variables mesur\u00e9es au moyen d’\u00e9chelles de Likert ou d’\u00e9chelles visuelles analogiques discr\u00e9tis\u00e9es. Ces instruments fournissent des donn\u00e9es qui poss\u00e8dent sans conteste une structure ordinale, mais pour lesquelles l’hypoth\u00e8se d’une m\u00e9trique \u00e0 intervalles \u00e9gaux est conceptuellement ind\u00e9fendable. La table de Mann-Whitney U offre le cadre inf\u00e9rentiel naturel et math\u00e9matiquement coh\u00e9rent pour traiter ces scores comportementaux, autorisant une prise de d\u00e9cision rigoureuse exempte de postulats abusifs sur la continuit\u00e9 du trait latent sous-jacent.<\/p>\n

1.3 Objectifs p\u00e9dagogiques et structure du guide d’utilisation de la table<\/h3>\n

L’utilisation avertie d’une table statistique requiert bien davantage qu’une simple lecture m\u00e9canique de coordonn\u00e9es matricielles. L’objectif premier de ce guide est de d\u00e9velopper une ma\u00eetrise technique et conceptuelle int\u00e9grale des param\u00e8tres d’entr\u00e9e n\u00e9cessaires \u00e0 l’interrogation de la table : l’identification rigoureuse des effectifs respectifs $n_1$<\/span> et $n_2$<\/span>, la fixation raisonn\u00e9e des niveaux de risque $\\alpha$<\/span>, et la s\u00e9lection appropri\u00e9e du tableau de r\u00e9f\u00e9rence en fonction de la structure du plan de recherche.<\/p>\n

Un deuxi\u00e8me objectif central concerne la compr\u00e9hension approfondie de la logique directionnelle propre \u00e0 la statistique $U$<\/span>. L’un des \u00e9cueils les plus fr\u00e9quents en m\u00e9thodologie quantitative consiste \u00e0 appliquer \u00e0 la table de Mann-Whitney les r\u00e8gles de d\u00e9cision intuitives h\u00e9rit\u00e9es des tests param\u00e9triques (o\u00f9 le rejet survient lorsque la statistique observ\u00e9e est sup\u00e9rieure \u00e0 la valeur critique). Nous d\u00e9taillerons pourquoi et comment la r\u00e8gle d’inf\u00e9rence s’inverse dans ce cadre, l’hypoth\u00e8se nulle \u00e9tant rejet\u00e9e lorsque la valeur empirique obtenue est inf\u00e9rieure ou \u00e9gale<\/em> \u00e0 la valeur critique tabul\u00e9e.<\/p>\n

Enfin, ce manuel didactique fournit les cl\u00e9s op\u00e9rationnelles pour articuler hypoth\u00e8ses unilat\u00e9rales et bilat\u00e9rales, g\u00e9rer les situations d’asym\u00e9trie matricielle, anticiper la gestion des observations ex \u00e6quo (liens) dans les distributions discr\u00e8tes, et assurer une transition fluide vers les approximations asymptotiques lorsque la taille des \u00e9chantillons exc\u00e8de les limites tabulaires standards. Chaque concept th\u00e9orique sera syst\u00e9matiquement contextualis\u00e9 par des applications concr\u00e8tes issues de la recherche exp\u00e9rimentale contemporaine.<\/p>\n

2. Fondements math\u00e9matiques et structure de la table de Mann-Whitney U<\/h2>\n

2.1 Formulation math\u00e9matique de la statistique U<\/h3>\n

La statistique $U$<\/span> de Mann-Whitney quantifie le degr\u00e9 de chevauchement mutuel entre deux ensembles ind\u00e9pendants d’observations ordinales ou quantitatives continues. Soient deux \u00e9chantillons al\u00e9atoires ind\u00e9pendants $X = {x_1, x_2, dots, x_{n_1}}$<\/span> et $Y = {y_1, y_2, dots, y_{n_2}}$<\/span> d’effectifs respectifs $n_1$<\/span> et $n_2$<\/span>. Lorsque ces $N = n_1 + n_2$<\/span> observations sont ordonn\u00e9es conjointement du plus petit au plus grand rang, chaque donn\u00e9e se voit attribuer un rang compris entre $1$ et $N$<\/span>. Soient $R_1$<\/span> la somme des rangs assign\u00e9s aux \u00e9l\u00e9ments du groupe 1 et $R_2$<\/span> la somme des rangs assign\u00e9s aux \u00e9l\u00e9ments du groupe 2.<\/p>\n

Les statistiques $U_1$<\/span> et $U_2$<\/span>, correspondant au nombre de fois o\u00f9 une observation d’un \u00e9chantillon devance une observation de l’autre \u00e9chantillon lors de comparaisons par paires, sont formellement d\u00e9finies par les \u00e9quations canoniques suivantes :<\/p>\n

$$U_1 = n_1 n_2 + \\frac{n_1(n_1 + 1)}{2} – R_1$$<\/span><\/p>\n

$$U_2 = n_1 n_2 + \\frac{n_2(n_2 + 1)}{2} – R_2$$<\/span><\/p>\n

Ces deux quantit\u00e9s sont li\u00e9es par une relation de dualit\u00e9 d\u00e9terministe stricte :<\/p>\n

$$U_1 + U_2 = n_1 n_2$$<\/span><\/p>\n

La statistique canonique employ\u00e9e pour l’inf\u00e9rence statistique et la consultation des tables standardis\u00e9es est conventionnellement la valeur minimale issue de ces deux grandeurs, not\u00e9e $U = \\min(U_1, U_2)$<\/span>. Sous l’hypoth\u00e8se nulle $H_0$<\/span> selon laquelle les deux populations partagent une distribution stochastique identique (autrement dit, la probabilit\u00e9 qu’une observation issue de $X$<\/span> soit sup\u00e9rieure \u00e0 une observation issue de $Y$<\/span> est \u00e9gale \u00e0 $0{,}5$<\/span>), la distribution combinatoire de $U$<\/span> est parfaitement sym\u00e9trique et centr\u00e9e sur une esp\u00e9rance math\u00e9matique \u00e9gale \u00e0 $\\mathbb{E}(U) = \\frac{n_1 n_2}{2}$<\/span>. La distribution d’\u00e9chantillonnage exacte est calcul\u00e9e en \u00e9valuant la fr\u00e9quence relative de toutes les permutations possibles de la somme des rangs parmi les $\\binom{n_1 + n_2}{n_1}$<\/span> combinaisons \u00e9quiprobables.<\/p>\n

2.2 Architecture matricielle des tables statistiques<\/h3>\n

Les tables de Mann-Whitney U sont organis\u00e9es selon une disposition matricielle \u00e0 double entr\u00e9e hautement structur\u00e9e. Chaque feuillet de la table correspond \u00e0 un niveau de risque d’erreur de premi\u00e8re esp\u00e8ce d\u00e9termin\u00e9 ($\\alpha$<\/span>) pour une modalit\u00e9 d’inf\u00e9rence donn\u00e9e (test unilat\u00e9ral ou bilat\u00e9ral). Les axes principaux du tableau repr\u00e9sentent les effectifs des deux \u00e9chantillons compar\u00e9s :<\/p>\n

    \n
  • L’axe des colonnes :<\/strong> repr\u00e9sente g\u00e9n\u00e9ralement la taille du premier \u00e9chantillon, d\u00e9sign\u00e9e par $n_1$<\/span>.<\/li>\n
  • L’axe des lignes :<\/strong> correspond \u00e0 la taille du second \u00e9chantillon, d\u00e9sign\u00e9e par $n_2$<\/span>.<\/li>\n
  • Les cellules d’intersection :<\/strong> renferment la valeur critique enti\u00e8re, not\u00e9e $U_{\\text{critique}}$<\/span> ou $U_{(\\alpha, n_1, n_2)}$<\/span>, calcul\u00e9e par combinatoire exacte.<\/li>\n<\/ul>\n

    Dans la plupart des tables compactes et rigoureusement \u00e9dit\u00e9es, une convention impose que $n_1 le n_2$<\/span> afin d’\u00e9viter la redondance des informations induite par la sym\u00e9trie du probl\u00e8me. Les valeurs de $n_1$<\/span> et $n_2$<\/span> s’\u00e9tendent typiquement de 1 ou 3 jusqu’\u00e0 20. Au-del\u00e0 de ces dimensions, la distribution de la statistique converge avec une excellente pr\u00e9cision vers la loi normale, rendant l’impression de tables discr\u00e8tes superflue. L’organisation par feuillets ind\u00e9pendants permet d’isoler rapidement les valeurs seuils correspondant aux seuils canoniques de la litt\u00e9rature scientifique ($\\alpha = 0{,}05$<\/span>, $\\alpha = 0{,}01$<\/span>, $\\alpha = 0{,}001$<\/span> ou $\\alpha = 0{,}10$<\/span>).<\/p>\n

    2.3 Sens de l’in\u00e9galit\u00e9 et r\u00e8gle de d\u00e9cision critique<\/h3>\n

    La compr\u00e9hension de la r\u00e8gle de d\u00e9cision associ\u00e9e \u00e0 la table de Mann-Whitney U constitue l’un des aspects didactiques les plus cruciaux de la statistique non param\u00e9trique. Dans la quasi-totalit\u00e9 des tests d’hypoth\u00e8ses usuels (tels que le test $t$<\/span> de Student, l’analyse de variance $F$<\/span> ou le test du $\\chi^2$<\/span>), la r\u00e9gion critique de rejet de $H_0$<\/span> est situ\u00e9e dans les valeurs \u00e9lev\u00e9es de la statistique de test : on rejette l’hypoth\u00e8se nulle d\u00e8s lors que la statistique empirique calcul\u00e9e est strictement sup\u00e9rieure<\/em> au seuil critique.<\/p>\n

    \u00c0 l’inverse, pour la statistique de Mann-Whitney $U = \\min(U_1, U_2)$<\/span>, la r\u00e8gle de d\u00e9cision formelle s’\u00e9nonce comme suit :<\/p>\n

    $$\\text{Rejet de } H_0 iff U_{\\text{obte\\nu}} le U_{\\text{critique}}$$<\/span><\/p>\n

    Cette inversion logique apparente s’explique intuitivement par la signification g\u00e9om\u00e9trique et combinatoire de $U$<\/span>. La statistique $U$<\/span> quantifie le nombre de paires d’observations pour lesquelles les \u00e9l\u00e9ments d’un groupe sont inf\u00e9rieurs \u00e0 ceux du groupe oppos\u00e9. Par cons\u00e9quent, une valeur empirique $U$<\/span> extr\u00eamement faible (proche de z\u00e9ro) refl\u00e8te une s\u00e9paration presque parfaite des rangs entre les deux groupes exp\u00e9rimentaux, traduisant un effet exp\u00e9rimental majeur. Si aucun chevauchement n’existe entre les deux \u00e9chantillons, la somme des rangs du groupe le plus faible atteint sa borne th\u00e9orique minimale, g\u00e9n\u00e9rant $U = 0$<\/span>. D\u00e8s lors, plus la statistique $U$<\/span> observ\u00e9e est petite, plus la probabilit\u00e9 sous $H_0$<\/span> d’observer un tel agencement ordinal par pur hasard s’amenuise, justifiant le rejet de l’hypoth\u00e8se d’\u00e9quivalence stochastique.<\/p>\n

    3. Lecture et navigation dans la table des valeurs critiques de Mann-Whitney U<\/h2>\n

    3.1 Proc\u00e9dure pas \u00e0 pas d’extraction d’une valeur critique<\/h3>\n

    Pour extraire sans ambigu\u00eft\u00e9 une valeur critique d’une table de Mann-Whitney U, l’exp\u00e9rimentateur doit suivre un protocole s\u00e9quentiel rigoureux en quatre \u00e9tapes distinctes :<\/p>\n

      \n
    1. D\u00e9termination des effectifs exacts :<\/strong> Compter pr\u00e9cis\u00e9ment le nombre d’observations valides dans chaque groupe, not\u00e9s $n_1$<\/span> et $n_2$<\/span>. En cas de donn\u00e9es manquantes, seuls les cas complets doivent \u00eatre pris en compte dans le d\u00e9nombrement effectif.<\/li>\n
    2. Choix du niveau $\\alpha$<\/span> et de l’orientation du test :<\/strong> D\u00e9finir en amont de l’analyse le seuil de signification (par exemple $\\alpha = 0{,}05$<\/span>) et la nature de l’hypoth\u00e8se (bilat\u00e9rale en l’absence de pr\u00e9diction sur le sens de la diff\u00e9rence, ou unilat\u00e9rale si une direction th\u00e9orique stricte a \u00e9t\u00e9 formul\u00e9e a priori<\/em>). S\u00e9lectionner le feuillet de table correspondant exactement \u00e0 ces param\u00e8tres.<\/li>\n
    3. Rep\u00e9rage matriciel :<\/strong> Par convention de lecture optimis\u00e9e, assigner l’effectif le plus faible \u00e0 la variable $n_1$<\/span> et le plus \u00e9lev\u00e9 \u00e0 $n_2$<\/span>. Parcourir la ligne d’en-t\u00eate horizontale jusqu’\u00e0 atteindre la valeur $n_1$<\/span>, puis descendre le long de la colonne verticale jusqu’\u00e0 l’intersection avec la rang\u00e9e $n_2$<\/span>.<\/li>\n
    4. Extraction et v\u00e9rification de la valeur critique :<\/strong> Noter le nombre entier $U_{\\text{critique}}$<\/span> situ\u00e9 \u00e0 cette intersection. Si la case contient un tiret ou un symbole de non-d\u00e9finition, cela signifie que la taille de l’\u00e9chantillon est math\u00e9matiquement insuffisante pour rejeter $H_0$<\/span> au seuil s\u00e9lectionn\u00e9.<\/li>\n<\/ol>\n

      3.2 Gestion de la sym\u00e9trie de la table (n1 et n2 interchangeables)<\/h3>\n

      La statistique de Mann-Whitney b\u00e9n\u00e9ficie d’une propri\u00e9t\u00e9 d’invariance fondamentale : l’\u00e9tiquetage num\u00e9rique des groupes (\u00ab\u00a0groupe 1\u00a0\u00bb versus \u00ab\u00a0groupe 2\u00a0\u00bb) est arbitraire et n’alt\u00e8re en rien la validit\u00e9 du test d’hypoth\u00e8se. Math\u00e9matiquement, la distribution combinatoire de la statistique minimale $U = \\min(U_1, U_2)$<\/span> est strictement identique que l’on analyse un agencement d’effectifs $(n_1 = 5, n_2 = 12)$<\/span> ou $(n_1 = 12, n_2 = 5)$<\/span>.<\/p>\n

      Cette propri\u00e9t\u00e9 de commutativit\u00e9 permet aux \u00e9diteurs de tables statistiques de compacter l’espace matriciel en ne publiant que le triangle inf\u00e9rieur ou sup\u00e9rieur de la matrice compl\u00e8te, sous la contrainte structurelle $n_1 le n_2$<\/span>. En pratique clinique ou exp\u00e9rimentale, si votre protocole compare un groupe exp\u00e9rimental de $16$ participants \u00e0 un groupe t\u00e9moin de $7$ participants, il convient simplement d’identifier $n_1 = 7$<\/span> pour la consultation des colonnes et $n_2 = 16$<\/span> pour les lignes. Cette pr\u00e9caution de navigation \u00e9vite les erreurs de report matriciel tout en garantissant une lecture directe et fiable.<\/p>\n

      Il importe toutefois de maintenir une tra\u00e7abilit\u00e9 rigoureuse lors du calcul manuel des rangs : si l’on inverse l’ordre d’attribution des groupes pour la lecture de la table, cette permutation n’affecte aucunement la valeur de $U = \\min(U_1, U_2)$<\/span>, puisque la somme $U_1 + U_2 = n_1 n_2$<\/span> demeure invariante par rapport \u00e0 la d\u00e9nomination des groupes.<\/p>\n

      3.3 Cas des valeurs non r\u00e9pertori\u00e9es ou manquantes dans les tables restreintes<\/h3>\n

      Lors de la consultation des tables exactes pour de tr\u00e8s petits \u00e9chantillons (par exemple $n_1 = 2$<\/span> et $n_2 = 2$<\/span>, ou $n_1 = 3$<\/span> et $n_2 = 3$<\/span>), il est fr\u00e9quent d’observer des cases vides, mat\u00e9rialis\u00e9es par des tirets, des points ou la mention \u00ab\u00a0NC\u00a0\u00bb (non calculable). Cette absence de valeur critique n’est pas une omission \u00e9ditoriale, mais le reflet d’une contrainte math\u00e9matique absolue li\u00e9e \u00e0 l’espace d’\u00e9chantillonnage discret.<\/p>\n

      En effet, pour $n_1 = 2$<\/span> et $n_2 = 2$<\/span>, le nombre total de permutations possibles des rangs est \u00e9gal \u00e0 $\\binom{4}{2} = \\frac{4!}{2!2!} = 6$<\/span>. La probabilit\u00e9 minimale associ\u00e9e \u00e0 l’\u00e9v\u00e9nement le plus extr\u00eame (c’est-\u00e0-dire une s\u00e9paration totale des rangs o\u00f9 $U = 0$<\/span>) est donc de $1\/6 \\approx 0{,}1667$<\/span>. D\u00e8s lors, pour un test bilat\u00e9ral o\u00f9 la probabilit\u00e9 cumul\u00e9e des deux queues extr\u00eames vaut $2 \\times (1\/6) \\approx 0{,}3333$<\/span>, il est math\u00e9matiquement impossible d’atteindre un niveau de signification $\\alpha = 0{,}05$<\/span> ou $\\alpha = 0{,}01$<\/span>. M\u00eame dans la configuration la plus discriminante envisageable empiriquement, la probabilit\u00e9 d’obtenir une telle configuration sous l’hypoth\u00e8se nulle reste largement sup\u00e9rieure \u00e0 $5%$<\/span>.<\/p>\n

      Ce constat th\u00e9orique met en lumi\u00e8re une exigence m\u00e9thodologique primordiale : le dimensionnement a priori<\/em> de l’\u00e9chantillon. Pour esp\u00e9rer mettre en \u00e9vidence un effet statistiquement significatif au seuil bilat\u00e9ral conventionnel de $5%$<\/span>, les effectifs minimaux absolus requis sont de $(n_1 = 3, n_2 = 6)$<\/span>, $(n_1 = 4, n_2 = 4)$<\/span> ou $(n_1 = 3, n_2 = 5)$<\/span> selon la s\u00e9v\u00e9rit\u00e9 des tables. Tout protocole pr\u00e9voyant des effectifs inf\u00e9rieurs est structurellement vou\u00e9 \u00e0 l’impuissance statistique, quelle que soit la magnitude r\u00e9elle de la diff\u00e9rence entre les populations \u00e9tudi\u00e9es.<\/p>\n

      4. La table de Mann-Whitney U pour un seuil de signification Alpha = 0,05 (bilat\u00e9ral)<\/h2>\n

      4.1 Norme standard de la recherche en psychologie clinique et sociale<\/h3>\n

      Le seuil de signification $\\alpha = 0{,}05$<\/span> en test bilat\u00e9ral repr\u00e9sente la convention probabiliste pr\u00e9dominante dans l’ensemble des sciences comportementales, cognitives et sociales depuis les pr\u00e9conisations historiques de Sir Ronald Fisher. Ce seuil \u00e9tablit un \u00e9quilibre normatif accept\u00e9 entre le risque d’erreur de type I (rejeter \u00e0 tort l’hypoth\u00e8se nulle d’absence d’effet) et le risque d’erreur de type II (\u00e9chouer \u00e0 d\u00e9tecter un effet r\u00e9el existant dans la population). Dans le cadre d’un test non param\u00e9trique bilat\u00e9ral, un risque global de $\\alpha = 0{,}05$<\/span> \u00e9quivaut \u00e0 r\u00e9server une masse de probabilit\u00e9 de $alpha\/2 = 0{,}025$<\/span> \u00e0 chaque extr\u00e9mit\u00e9 de la distribution sym\u00e9trique des rangs.<\/p>\n

      Pour des \u00e9chantillons variant de $n = 3$<\/span> \u00e0 $n = 20$<\/span>, la table \u00e0 $\\alpha = 0{,}05$<\/span> bilat\u00e9ral fournit l’armature critique quotidienne des laboratoires de recherche. Le tableau ci-dessous synth\u00e9tise un extrait repr\u00e9sentatif des valeurs critiques exactes $U_{\\text{critique}}$<\/span> pour les combinaisons d’effectifs usuelles :<\/p>\n\n\n\n\n\n\n\n\n\n\n\n
      $n_2 backslash n_1$<\/span><\/th>\n4<\/th>\n5<\/th>\n6<\/th>\n7<\/th>\n8<\/th>\n9<\/th>\n10<\/th>\n<\/tr>\n<\/thead>\n
      4<\/td>\n0<\/td>\n1<\/td>\n2<\/td>\n3<\/td>\n4<\/td>\n4<\/td>\n5<\/td>\n<\/tr>\n
      5<\/td>\n1<\/td>\n2<\/td>\n3<\/td>\n5<\/td>\n6<\/td>\n7<\/td>\n8<\/td>\n<\/tr>\n
      6<\/td>\n2<\/td>\n3<\/td>\n5<\/td>\n7<\/td>\n8<\/td>\n10<\/td>\n11<\/td>\n<\/tr>\n
      7<\/td>\n3<\/td>\n5<\/td>\n7<\/td>\n8<\/td>\n10<\/td>\n12<\/td>\n14<\/td>\n<\/tr>\n
      8<\/td>\n4<\/td>\n6<\/td>\n8<\/td>\n10<\/td>\n13<\/td>\n15<\/td>\n17<\/td>\n<\/tr>\n
      9<\/td>\n4<\/td>\n7<\/td>\n10<\/td>\n12<\/td>\n15<\/td>\n17<\/td>\n20<\/td>\n<\/tr>\n
      10<\/td>\n5<\/td>\n8<\/td>\n11<\/td>\n14<\/td>\n17<\/td>\n20<\/td>\n23<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n
      \"Mann-Whitney
      Mann-Whitney U Critical Values for Alpha = .05<\/figcaption><\/figure>\n

      4.2 \u00c9tude de cas guid\u00e9e \u00e0 alpha = 0,05<\/h3>\n

      Consid\u00e9rons un protocole exp\u00e9rimental en psychopathologie \u00e9valuant l’efficacit\u00e9 d’une th\u00e9rapie d’acceptation et d’engagement (ACT) sur la r\u00e9duction de l’\u00e9vitement exp\u00e9rientiel chez des patients souffrant de trouble panique. Deux groupes ind\u00e9pendants sont constitu\u00e9s : un groupe b\u00e9n\u00e9ficiant de l’intervention ACT ($n_1 = 7$<\/span>) et un groupe t\u00e9moin plac\u00e9 sur liste d’attente ($n_2 = 8$<\/span>). \u00c0 l’issue des huit semaines de prise en charge, les participants compl\u00e8tent le questionnaire d’acceptation et d’action (AAQ-II). Des scores plus \u00e9lev\u00e9s traduisent un niveau d’\u00e9vitement plus marqu\u00e9.<\/p>\n

      Les scores bruts recueillis sont les suivants :<\/p>\n

        \n
      • Groupe ACT ($n_1 = 7$<\/span>) :<\/strong> 14, 17, 19, 21, 22, 25, 28<\/li>\n
      • Groupe T\u00e9moin ($n_2 = 8$<\/span>) :<\/strong> 24, 26, 29, 31, 33, 36, 38, 41<\/li>\n<\/ul>\n

        En proc\u00e9dant au classement conjoint des 15 scores, les rangs attribu\u00e9s au groupe ACT sont : 1 (score 14), 2 (score 17), 3 (score 19), 4 (score 21), 5 (score 22), 7 (score 25) et 9 (score 28). La somme des rangs de ce premier groupe vaut donc :<\/p>\n

        $$R_1 = 1 + 2 + 3 + 4 + 5 + 7 + 9 = 31$$<\/span><\/p>\n

        Nous pouvons alors calculer la statistique $U_1$<\/span> correspondante :<\/p>\n

        $$U_1 = (7 \\times 8) + \\frac{7 \\times 8}{2} – 31 = 56 + 28 – 31 = 53$$<\/span><\/p>\n

        Par d\u00e9duction imm\u00e9diate via la relation de dualit\u00e9 :<\/p>\n

        $$U_2 = (7 \\times 8) – 53 = 56 – 53 = 3$$<\/span><\/p>\n

        La statistique empirique de test est donc $U_{\\text{obte\\nu}} = \\min(53, 3) = 3$<\/span>. En consultant la table critique \u00e0 $\\alpha = 0{,}05$<\/span> bilat\u00e9ral pour $n_1 = 7$<\/span> et $n_2 = 8$<\/span>, nous localisons l’intersection correspondante et trouvons $U_{\\text{critique}} = 10$<\/span>.<\/p>\n

        Puisque la r\u00e8gle de d\u00e9cision stipule le rejet de $H_0$<\/span> lorsque $U_{\\text{obte\\nu}} le U_{\\text{critique}}$<\/span>, et que $3 le 10$<\/span>, nous rejetons formellement l’hypoth\u00e8se nulle d’\u00e9quivalence stochastique au seuil de $5%$<\/span>. Les patients ayant suivi la th\u00e9rapie ACT pr\u00e9sentent une r\u00e9duction statistiquement significative de leur niveau d’\u00e9vitement exp\u00e9rientiel par rapport au groupe t\u00e9moin ($U = 3{,}0$<\/span>, $p < 0{,}05$<\/span>).<\/p>\n

        4.3 Sensibilit\u00e9 du seuil critique aux variations marginales d’\u00e9chantillons<\/h3>\n

        L’observation attentive des valeurs de la table \u00e0 $\\alpha = 0{,}05$<\/span> met en relief l’extr\u00eame sensibilit\u00e9 du seuil critique aux variations d’effectifs dans les petites cohortes. L’adjonction d’un seul participant dans l’un des groupes peut modifier substantiellement l’espace combinatoire et la valeur de $U_{\\text{critique}}$<\/span>. Par exemple, pour $n_1 = 5$<\/span> et $n_2 = 5$<\/span>, la valeur seuil est $U_{\\text{critique}} = 2$<\/span>. L’int\u00e9gration d’un seul sujet suppl\u00e9mentaire dans le second groupe ($n_2 = 6$<\/span>) fait passer le seuil \u00e0 $U_{\\text{critique}} = 3$<\/span>, \u00e9largissant ainsi significativement la zone de rejet de l’hypoth\u00e8se nulle.<\/p>\n

        Cette dynamique math\u00e9matique souligne l’importance capitale de l’\u00e9quilibrage des groupes ($n_1 \\approx n_2$<\/span>). \u00c0 effectif total $N = n_1 + n_2$<\/span> constant, la puissance statistique d’un test non param\u00e9trique de Mann-Whitney est maximale lorsque les effectifs des deux \u00e9chantillons sont strictement identiques. Consid\u00e9rons un effectif global de $N = 20$<\/span> sujets :<\/p>\n

          \n
        • Dans une configuration parfaitement \u00e9quilibr\u00e9e ($n_1 = 10, n_2 = 10$<\/span>), la valeur critique est $U_{\\text{critique}} = 23$<\/span> pour un produit d’\u00e9chantillons de $n_1 n_2 = 100$<\/span>. La zone de rejet tol\u00e8re ainsi un certain degr\u00e9 de dispersion entre les rangs.<\/li>\n
        • Dans une configuration hautement d\u00e9s\u00e9quilibr\u00e9e ($n_1 = 3, n_2 = 17$<\/span>), le produit n’est plus que de $n_1 n_2 = 51$<\/span>. La valeur critique tombe \u00e0 $U_{\\text{critique}} = 5$<\/span>. Le test devient extr\u00eamement s\u00e9v\u00e8re, exigeant une s\u00e9paration quasi int\u00e9grale des distributions pour atteindre la significativit\u00e9.<\/li>\n<\/ul>\n

          Pour la planification exp\u00e9rimentale \u00e0 $\\alpha = 0{,}05$<\/span>, les chercheurs doivent imp\u00e9rativement privil\u00e9gier des plans factoriels \u00e9quilibr\u00e9s afin d’optimiser le rendement informationnel de chaque participant inclus.<\/p>\n

          5. La table de Mann-Whitney U pour un seuil de signification Alpha = 0,01 (bilat\u00e9ral)<\/h2>\n

          5.1 Exigence de rigueur accrue en neuropsychologie et pharmacologie comportementale<\/h3>\n

          Dans certains contextes de recherche fondamentale ou appliqu\u00e9e, le seuil standard de $5%$<\/span> est jug\u00e9 insuffisant pour pr\u00e9munir les chercheurs contre le risque de faux positifs. C’est particuli\u00e8rement le cas en neuropsychologie clinique lors de l’\u00e9tablissement d’un profil d\u00e9ficitaire rare, en pharmacologie comportementale pr\u00e9clinique \u00e9valuant la toxicit\u00e9 ou l’efficacit\u00e9 de nouvelles mol\u00e9cules, ou dans les \u00e9tudes impliquant des comparaisons multiples n\u00e9cessitant des ajustements de Bonferroni. Dans ces configurations, l’adoption d’un seuil de signification plus conservateur, tel que $\\alpha = 0{,}01$<\/span> bilat\u00e9ral (soit $alpha\/2 = 0{,}005$<\/span> par queue de distribution), s’av\u00e8re indispensable.<\/p>\n

          Le durcissement du niveau de risque entra\u00eene une contraction marqu\u00e9e des valeurs critiques r\u00e9pertori\u00e9es dans la table. Pour qu’une diff\u00e9rence soit d\u00e9clar\u00e9e significative \u00e0 $\\alpha = 0{,}01$<\/span>, la statistique empirique $U$<\/span> doit \u00eatre notablement plus faible qu’\u00e0 $\\alpha = 0{,}05$<\/span>, ce qui impose un degr\u00e9 de s\u00e9paration stochastique nettement plus accus\u00e9 entre les deux groupes.<\/p>\n

          \"Mann-Whitney
          Mann-Whitney U Critical Values for Alpha = .01<\/figcaption><\/figure>\n

          Le tableau suivant illustre les valeurs critiques de Mann-Whitney pour un seuil bilat\u00e9ral $\\alpha = 0{,}01$<\/span> :<\/p>\n\n\n\n\n\n\n\n\n\n\n\n
          $n_2 backslash n_1$<\/span><\/th>\n5<\/th>\n6<\/th>\n7<\/th>\n8<\/th>\n9<\/th>\n10<\/th>\n12<\/th>\n<\/tr>\n<\/thead>\n
          5<\/td>\n0<\/td>\n1<\/td>\n1<\/td>\n2<\/td>\n3<\/td>\n3<\/td>\n5<\/td>\n<\/tr>\n
          6<\/td>\n1<\/td>\n2<\/td>\n3<\/td>\n4<\/td>\n5<\/td>\n6<\/td>\n8<\/td>\n<\/tr>\n
          7<\/td>\n1<\/td>\n3<\/td>\n4<\/td>\n6<\/td>\n7<\/td>\n9<\/td>\n12<\/td>\n<\/tr>\n
          8<\/td>\n2<\/td>\n4<\/td>\n6<\/td>\n7<\/td>\n9<\/td>\n11<\/td>\n15<\/td>\n<\/tr>\n
          9<\/td>\n3<\/td>\n5<\/td>\n7<\/td>\n9<\/td>\n11<\/td>\n14<\/td>\n18<\/td>\n<\/tr>\n
          10<\/td>\n3<\/td>\n6<\/td>\n9<\/td>\n11<\/td>\n14<\/td>\n16<\/td>\n21<\/td>\n<\/tr>\n
          12<\/td>\n5<\/td>\n8<\/td>\n12<\/td>\n15<\/td>\n18<\/td>\n21<\/td>\n27<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

          5.2 Analyse comparative des tables alpha = 0,05 et alpha = 0,01<\/h3>\n

          L’analyse comparative directe des matrices \u00e0 $5%$<\/span> et $1%$<\/span> d\u00e9montre de mani\u00e8re frappante l’impact du renforcement de la s\u00e9v\u00e9rit\u00e9 inf\u00e9rentielle sur la zone d’acceptation de $H_0$<\/span>. Pour un plan d’exp\u00e9rience standard avec $n_1 = 8$<\/span> et $n_2 = 8$<\/span> :<\/p>\n

            \n
          • \u00c0 $\\alpha = 0{,}05$<\/span> bilat\u00e9ral, le seuil critique est $U_{\\text{critique}} = 13$<\/span>. Une valeur empirique $U = 12$<\/span> conduit au rejet de l’hypoth\u00e8se nulle.<\/li>\n
          • \u00c0 $\\alpha = 0{,}01$<\/span> bilat\u00e9ral, ce seuil s’effondre \u00e0 $U_{\\text{critique}} = 7$<\/span>. La m\u00eame valeur empirique $U = 12$<\/span> conduit cette fois au maintien strict de $H_0$<\/span>.<\/li>\n<\/ul>\n

            Cette divergence met en \u00e9vidence le compromis \u00e9pist\u00e9mologique inh\u00e9rent au choix du seuil : en r\u00e9duisant le risque d’erreur $\\alpha$<\/span> de $5%$<\/span> \u00e0 $1%$<\/span>, le chercheur augmente in\u00e9vitablement le risque d’erreur de deuxi\u00e8me esp\u00e8ce $\\beta$<\/span> (non-rejet d’une hypoth\u00e8se nulle pourtant fausse), diminuant par l\u00e0 m\u00eame la puissance statistique ($1 – \\beta$<\/span>) du protocole. Pour pr\u00e9server une puissance satisfaisante (traditionnellement vis\u00e9e \u00e0 $ge 0{,}80$<\/span>) tout en travaillant \u00e0 $\\alpha = 0{,}01$<\/span>, il est imp\u00e9ratif d’augmenter substantiellement les effectifs de d\u00e9part.<\/p>\n

            5.3 Application \u00e0 un essai clinique en psychoth\u00e9rapie<\/h3>\n

            Imaginons un essai clinique contr\u00f4l\u00e9 randomis\u00e9 \u00e9valuant l’efficacit\u00e9 diff\u00e9rentielle de deux approches psychoth\u00e9rapeutiques br\u00e8ves \u2014 la th\u00e9rapie cognitivo-comportementale classique (TCC, $n_1 = 12$<\/span>) et une th\u00e9rapie bas\u00e9e sur la pleine conscience (MBCT, $n_2 = 12$<\/span>) \u2014 sur la r\u00e9duction des ruminations d\u00e9pressives mesur\u00e9es par l’\u00e9chelle RRS (Ruminative Responses Scale<\/em>). Compte tenu des enjeux de validation clinique, les investigateurs fixent le seuil de d\u00e9cision \u00e0 $\\alpha = 0{,}01$<\/span> en test bilat\u00e9ral.<\/p>\n

            \u00c0 l’issue du traitement, le calcul de la somme des rangs apr\u00e8s fusion ordonn\u00e9e des 24 scores produit $R_1 = 118$<\/span> pour le groupe TCC et $R_2 = 182$<\/span> pour le groupe MBCT. Nous calculons la statistique $U$<\/span> :<\/p>\n

            $$U_1 = (12 \\times 12) + \\frac{12 \\times 13}{2} – 118 = 144 + 78 – 118 = 104$$<\/span><\/p>\n

            $$U_2 = (12 \\times 12) – 104 = 144 – 104 = 40$$<\/span><\/p>\n

            $$U_{\\text{obte\\nu}} = \\min(104, 40) = 40$$<\/span><\/p>\n

            La consultation de la table \u00e0 $\\alpha = 0{,}01$<\/span> bilat\u00e9ral pour $n_1 = 12$<\/span> et $n_2 = 12$<\/span> indique un seuil critique de $U_{\\text{critique}} = 27$<\/span>. En appliquant la r\u00e8gle de d\u00e9cision formelle :<\/p>\n

            $$U_{\\text{obte\\nu}} = 40 > U_{\\text{critique}} = 27$$<\/span><\/p>\n

            La statistique observ\u00e9e n’\u00e9tant pas inf\u00e9rieure ou \u00e9gale \u00e0 la valeur seuil, nous ne pouvons pas rejeter l’hypoth\u00e8se nulle au seuil de $1%$<\/span>. Bien qu’une tendance se dessine en faveur d’un des groupes, les donn\u00e9es ne permettent pas de conclure \u00e0 une sup\u00e9riorit\u00e9 statistiquement significative de l’une des th\u00e9rapies \u00e0 ce niveau d’exigence. Selon les normes de publication de l’American Psychological Association<\/em> (APA 7th edition), ce r\u00e9sultat s’\u00e9nonce : \u00ab\u00a0La diff\u00e9rence des scores de rumination entre les groupes TCC ($\\text{Md} = 34$<\/span>) et MBCT ($\\text{Md} = 42$<\/span>) n’atteint pas le seuil de significativit\u00e9 retenu ($U = 40{,}0$<\/span>, $p > 0{,}01$<\/span>).\u00a0\u00bb<\/em><\/p>\n

            6. La table de Mann-Whitney U pour un seuil de signification Alpha = 0,10 (bilat\u00e9ral)<\/h2>\n

            6.1 R\u00f4le et pertinence dans les \u00e9tudes exploratoires et pilotes<\/h3>\n

            Bien que le seuil de $10%$<\/span> ($\\alpha = 0{,}10$<\/span> bilat\u00e9ral) soit proscrit pour la validation finale d’hypoth\u00e8ses confirmatoires dans les revues \u00e0 comit\u00e9 de lecture majeures, il occupe une fonction m\u00e9thodologique strat\u00e9gique lors des phases pr\u00e9liminaires de recherche. Dans les \u00e9tudes pilotes, les \u00e9tudes de faisabilit\u00e9 clinique ou lors du d\u00e9veloppement initial de nouveaux paradigmes exp\u00e9rimentaux, les cohortes sont par d\u00e9finition extr\u00eamement r\u00e9duites. Adopter un seuil $\\alpha = 0{,}10$<\/span> permet de d\u00e9tecter des signaux th\u00e9rapeutiques faibles ou des tendances \u00e9mergentes qui m\u00e9ritent d’\u00eatre investigu\u00e9es \u00e0 plus grande \u00e9chelle.<\/p>\n

            Par ailleurs, sur le plan formel, la table bilat\u00e9rale \u00e0 $\\alpha = 0{,}10$<\/span> poss\u00e8de une double utilit\u00e9 d\u00e9terminante : elle constitue exactement l’\u00e9quivalent d’une table unilat\u00e9rale directionnelle \u00e0 $\\alpha = 0{,}05$<\/span>. Cette propri\u00e9t\u00e9 de correspondance g\u00e9om\u00e9trique en fait un outil fr\u00e9quemment mobilis\u00e9 d\u00e8s lors qu’un chercheur formule une hypoth\u00e8se orient\u00e9e justifi\u00e9e th\u00e9oriquement.<\/p>\n

            \"Mann-Whitney
            Mann-Whitney U Critical Values for Alpha = .10<\/figcaption><\/figure>\n

            6.2 Structure tabulaire sp\u00e9cifique \u00e0 alpha = 0,10<\/h3>\n

            Dans la table \u00e0 $\\alpha = 0{,}10$<\/span> bilat\u00e9ral (ou $0{,}05$<\/span> unilat\u00e9ral), les valeurs critiques $U_{\\text{critique}}$<\/span> sont notablement plus \u00e9lev\u00e9es que dans les tables \u00e0 $5%$<\/span> ou $1%$<\/span>. Cette augmentation m\u00e9canique \u00e9largit la zone de rejet de $H_0$<\/span>, autorisant la d\u00e9tection de diff\u00e9rences statistiques avec des effectifs particuli\u00e8rement exigus, d\u00e8s $n_1 = 3$<\/span> et $n_2 = 3$<\/span> (o\u00f9 $U_{\\text{critique}} = 0$<\/span>).<\/p>\n\n\n\n\n\n\n\n\n\n\n
            $n_2 backslash n_1$<\/span><\/th>\n3<\/th>\n4<\/th>\n5<\/th>\n6<\/th>\n7<\/th>\n8<\/th>\n<\/tr>\n<\/thead>\n
            3<\/td>\n0<\/td>\n1<\/td>\n2<\/td>\n3<\/td>\n4<\/td>\n5<\/td>\n<\/tr>\n
            4<\/td>\n1<\/td>\n2<\/td>\n4<\/td>\n5<\/td>\n6<\/td>\n8<\/td>\n<\/tr>\n
            5<\/td>\n2<\/td>\n4<\/td>\n5<\/td>\n7<\/td>\n9<\/td>\n11<\/td>\n<\/tr>\n
            6<\/td>\n3<\/td>\n5<\/td>\n7<\/td>\n10<\/td>\n12<\/td>\n14<\/td>\n<\/tr>\n
            7<\/td>\n4<\/td>\n6<\/td>\n9<\/td>\n12<\/td>\n15<\/td>\n17<\/td>\n<\/tr>\n
            8<\/td>\n5<\/td>\n8<\/td>\n11<\/td>\n14<\/td>\n17<\/td>\n20<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

            Le risque inh\u00e9rent \u00e0 ce niveau de signification r\u00e9side \u00e9videmment dans l’inflation des faux positifs : une d\u00e9cision sur dix prise sous cette table r\u00e9sultera du simple al\u00e9a d’\u00e9chantillonnage. Tout r\u00e9sultat significatif identifi\u00e9 \u00e0 $\\alpha = 0{,}10$<\/span> doit imp\u00e9rativement \u00eatre qualifi\u00e9 de \u00ab\u00a0tendance marginalement significative\u00a0\u00bb et requiert une r\u00e9plication ind\u00e9pendante sur un \u00e9chantillon calibr\u00e9 avant toute g\u00e9n\u00e9ralisation th\u00e9orique.<\/p>\n

            6.3 Exemple d’\u00e9valuation pilote d’une interface cognitive<\/h3>\n

            Un laboratoire d’ergonomie cognitive teste une nouvelle disposition d’affichage t\u00eate haute (HUD) destin\u00e9e \u00e0 r\u00e9duire la charge mentale de pilotes de drone. Une \u00e9tude pilote est men\u00e9e aupr\u00e8s de deux groupes de $n_1 = 6$<\/span> et $n_2 = 6$<\/span> op\u00e9rateurs novices. Le groupe A utilise l’interface standard tandis que le groupe B b\u00e9n\u00e9ficie du nouveau prototype. La variable d\u00e9pendante est le score de charge subjective NASA-TLX.<\/p>\n

            Le calcul des sommes de rangs aboutit \u00e0 une statistique empirique $U_{\\text{obte\\nu}} = 8$<\/span>. En se r\u00e9f\u00e9rant \u00e0 la table bilat\u00e9rale $\\alpha = 0{,}10$<\/span> pour $n_1 = 6, n_2 = 6$<\/span>, nous lisons $U_{\\text{critique}} = 10$<\/span>.<\/p>\n

            Puisque $U_{\\text{obte\\nu}} le U_{\\text{critique}}$<\/span> ($8 le 10$<\/span>), l’\u00e9quipe conclut \u00e0 l’existence d’une diff\u00e9rence marginalement significative au seuil de $10%$<\/span>. Cette information valide l’int\u00e9r\u00eat industriel et ergonomique de poursuivre le d\u00e9veloppement et d’engager les investissements n\u00e9cessaires pour mener une exp\u00e9rimentation confirmatoire de grande envergure avec $N ge 60$<\/span> sujets \u00e0 $\\alpha = 0{,}05$<\/span>.<\/p>\n

            7. Adaptation de la table pour les tests unilat\u00e9raux versus bilat\u00e9raux<\/h2>\n

            7.1 R\u00e8gle de conversion syst\u00e9matique des seuils alpha<\/h3>\n

            La relation g\u00e9om\u00e9trique entre les distributions d’\u00e9chantillonnage unilat\u00e9rales et bilat\u00e9rales repose sur une r\u00e8gle de sym\u00e9trie fondamentale. Dans un test bilat\u00e9ral, le risque d’erreur $\\alpha_{\\text{bilat\u00e9ral}}$<\/span> est scind\u00e9 \u00e9quitablement entre les deux queues de la distribution ($alpha\/2$<\/span> \u00e0 gauche et $alpha\/2$<\/span> \u00e0 droite). Dans un test unilat\u00e9ral, l’int\u00e9gralit\u00e9 du risque $\\alpha_{\\text{unilat\u00e9ral}}$<\/span> est concentr\u00e9e sur une seule queue correspondant \u00e0 la direction pr\u00e9dite par l’hypoth\u00e8se alternative.<\/p>\n

            Il en d\u00e9coule une r\u00e8gle de conversion syst\u00e9matique et universelle pour l’exploitation des tables imprim\u00e9es :<\/p>\n

              \n
            • Une table con\u00e7ue pour un seuil bilat\u00e9ral $\\alpha = 2k$<\/span><\/strong> s’utilise directement pour tester une hypoth\u00e8se unilat\u00e9rale \u00e0 $\\alpha = k$<\/span><\/strong>.<\/li>\n
            • Ainsi, pour tester une hypoth\u00e8se directionnelle \u00e0 $\\alpha = 0{,}05$<\/span> unilat\u00e9ral<\/strong>, il convient d’utiliser la table bilat\u00e9rale $\\alpha = 0{,}10$<\/span><\/strong>.<\/li>\n
            • De m\u00eame, pour tester une hypoth\u00e8se directionnelle \u00e0 $\\alpha = 0{,}01$<\/span> unilat\u00e9ral<\/strong>, il convient d’utiliser la table bilat\u00e9rale $\\alpha = 0{,}02$<\/span><\/strong> (ou de v\u00e9rifier si la table pr\u00e9cise sp\u00e9cifie la ligne unilat\u00e9rale $\\alpha = 0{,}01$<\/span>).<\/li>\n<\/ul>\n

              Cette correspondance math\u00e9matique parfaite \u00e9limine le besoin de multiplier inutilement les feuillets imprim\u00e9s dans les manuels de r\u00e9f\u00e9rence.<\/p>\n

              7.2 Formulation des hypoth\u00e8ses directionnelles en psychologie<\/h3>\n

              Le recours \u00e0 un test unilat\u00e9ral ne saurait constituer un artifice m\u00e9thodologique destin\u00e9 \u00e0 abaisser artificiellement le seuil d’exigence statistique pour transformer un r\u00e9sultat non significatif en r\u00e9sultat significatif. Cette pratique discutable, assimil\u00e9e au ph\u00e9nom\u00e8ne de HARKing (Hypothesizing After the Results are Known<\/em>), vicie gravement la reproductibilit\u00e9 scientifique.<\/p>\n

              L’utilisation l\u00e9gitime d’une table unilat\u00e9rale requiert deux conditions cumulatives absolues :<\/p>\n

                \n
              1. L’hypoth\u00e8se directionnelle (par exemple : \u00ab\u00a0Le groupe sous antid\u00e9presseur obtiendra des scores de d\u00e9pression strictement inf\u00e9rieurs au groupe placebo\u00a0\u00bb) doit avoir \u00e9t\u00e9 formalis\u00e9e et id\u00e9alement pr\u00e9enregistr\u00e9e avant<\/em> tout recueil de donn\u00e9es.<\/li>\n
              2. Si les donn\u00e9es observ\u00e9es vont dans le sens oppos\u00e9 \u00e0 la pr\u00e9diction th\u00e9orique (par exemple si le groupe trait\u00e9 pr\u00e9sente une d\u00e9gradation des scores), l’exp\u00e9rimentateur doit imm\u00e9diatement maintenir $H_0$<\/span>, sans m\u00eame consulter la table statistique, quelle que soit l’ampleur de la divergence observ\u00e9e.<\/li>\n<\/ol>\n

                7.3 Protocole complet de d\u00e9cision unilat\u00e9rale<\/h3>\n

                Pour mener sans faille une prise de d\u00e9cision unilat\u00e9rale au moyen de la table de Mann-Whitney, le chercheur doit appliquer le protocole suivant :<\/p>\n

                  \n
                1. V\u00e9rification pr\u00e9alable de la conformit\u00e9 empirique :<\/strong> Calculer les m\u00e9dianes ou les sommes de rangs respectives des deux groupes. V\u00e9rifier que la direction observ\u00e9e correspond rigoureusement au sens postul\u00e9 par l’hypoth\u00e8se de recherche $H_1$<\/span>. Si le sens est invers\u00e9, arr\u00eater l’inf\u00e9rence : $H_0$<\/span> ne peut \u00eatre rejet\u00e9e.<\/li>\n
                2. S\u00e9lection du niveau de risque :<\/strong> Choisir le seuil unilat\u00e9ral nominal $\\alpha_{\\text{uni}}$<\/span> (ex. $0{,}05$<\/span>).<\/li>\n
                3. Consultation de la table correspondante :<\/strong> Ouvrir la table bilat\u00e9rale index\u00e9e \u00e0 $2 \\times \\alpha_{\\text{uni}}$<\/span> (soit la table bilat\u00e9rale $\\alpha = 0{,}10$<\/span> pour un test unilat\u00e9ral \u00e0 $0{,}05$<\/span>).<\/li>\n
                4. Application de la r\u00e8gle de rejet :<\/strong> Extraire $U_{\\text{critique}}$<\/span> pour les effectifs $(n_1, n_2)$<\/span> et rejeter $H_0$<\/span> si et seulement si $U_{\\text{obte\\nu}} le U_{\\text{critique}}$<\/span>.<\/li>\n<\/ol>\n

                  8. Calcul manuel de la statistique U et comparaison avec la table critique<\/h2>\n

                  8.1 Algorithme complet de calcul pas \u00e0 pas<\/h3>\n

                  Le calcul manuel de la statistique de Mann-Whitney constitue une d\u00e9marche p\u00e9dagogique fondamentale pour ma\u00eetriser la logique sous-jacente au test. L’algorithme standard se d\u00e9ploie selon les \u00e9tapes s\u00e9quentielles suivantes :<\/p>\n

                    \n
                  1. Agr\u00e9gation des donn\u00e9es :<\/strong> Rassembler l’ensemble des observations des deux \u00e9chantillons dans un tableau unique tout en conservant l’identifiant du groupe d’appartenance pour chaque mesure.<\/li>\n
                  2. Classement et assignation des rangs :<\/strong> Trier l’ensemble consolid\u00e9 des $N = n_1 + n_2$<\/span> observations par ordre strictement croissant. Attribuer le rang 1 \u00e0 la plus petite valeur observ\u00e9e, le rang 2 \u00e0 la suivante, jusqu’au rang $N$<\/span> assign\u00e9 \u00e0 la valeur la plus \u00e9lev\u00e9e.<\/li>\n
                  3. Gestion des valeurs identiques (ex \u00e6quo) :<\/strong> Lorsque plusieurs observations partagent la m\u00eame valeur num\u00e9rique, leur assigner \u00e0 chacune la moyenne arithm\u00e9tique des rangs qu’elles auraient occup\u00e9s si elles avaient \u00e9t\u00e9 distinctes.<\/li>\n
                  4. Sommation des rangs :<\/strong> Calculer s\u00e9par\u00e9ment la somme des rangs attribu\u00e9s au groupe 1 ($R_1$<\/span>) et la somme des rangs attribu\u00e9s au groupe 2 ($R_2$<\/span>).<\/li>\n
                  5. Contr\u00f4le arithm\u00e9tique de validit\u00e9 :<\/strong> V\u00e9rifier imp\u00e9rativement l’\u00e9galit\u00e9 fondamentale de Gauss :\n

                    $$R_1 + R_2 = \\frac{N(N + 1)}{2}$$<\/span><\/p>\n

                    Toute divergence dans cette somme totale signale une erreur d’assignation des rangs.<\/li>\n

                  6. Calcul de $U_1$<\/span> et $U_2$<\/span> :<\/strong> Appliquer les formules canoniques :\n

                    $$U_1 = n_1 n_2 + \\frac{n_1(n_1 + 1)}{2} – R_1$$<\/span><\/p>\n

                    $$U_2 = n_1 n_2 + \\frac{n_2(n_2 + 1)}{2} – R_2$$<\/span><\/p>\n<\/li>\n

                  7. S\u00e9lection de la statistique finale :<\/strong> Retenir $U = \\min(U_1, U_2)$<\/span> pour la confrontation avec la table.<\/li>\n<\/ol>\n

                    8.2 Traitement des ex \u00e6quo et impact sur la fiabilit\u00e9 des tables standard<\/h3>\n

                    Dans les donn\u00e9es psychom\u00e9triques r\u00e9elles, la pr\u00e9sence d’observations ex \u00e6quo (liens dans les rangs) est extr\u00eamement fr\u00e9quente en raison de la discr\u00e9tisation des \u00e9chelles de mesure. Si l’attribution des rangs moyens permet de calculer sans difficult\u00e9 $U_1$<\/span> et $U_2$<\/span>, la pr\u00e9sence d’ex \u00e6quo alt\u00e8re la variance de la distribution d’\u00e9chantillonnage th\u00e9orique sous $H_0$<\/span>.<\/p>\n

                    La formule exacte de la variance corrig\u00e9e pour les ex \u00e6quo s’\u00e9nonce :<\/p>\n

                    $$\\sigma_U^2 = \\frac{n_1 n_2}{12} \\left( (n_1 + n_2 + 1) – \\frac{\\sum_{i=1}^g (t_i^3 – t_i)}{(n_1 + n_2)(n_1 + n_2 – 1)} \\right)$$<\/span><\/p>\n

                    o\u00f9 $g$<\/span> repr\u00e9sente le nombre de groupes de valeurs ex \u00e6quo et $t_i$<\/span> d\u00e9signe le nombre d’observations partageant le rang li\u00e9 au sein du $i$<\/span>-i\u00e8me groupe. La pr\u00e9sence d’ex \u00e6quo r\u00e9duit la variance de la distribution, ce qui a pour effet de rendre le test l\u00e9g\u00e8rement plus conservateur si l’on consulte une table non corrig\u00e9e. Cependant, lorsque la proportion de liens reste mod\u00e9r\u00e9e (moins de $20%$<\/span> des donn\u00e9es affect\u00e9es), l’impact sur la probabilit\u00e9 critique tabul\u00e9e est minime et la table exacte demeure tout \u00e0 fait fiable pour la prise de d\u00e9cision empirique.<\/p>\n

                    8.3 Exemple d’application int\u00e9grale chiffr\u00e9e<\/h3>\n

                    Soit une recherche en psychologie sociale comparant le niveau d’empathie (score IRI) entre des \u00e9tudiants en fili\u00e8re artistique ($n_1 = 5$<\/span>) et des \u00e9tudiants en fili\u00e8re informatique ($n_2 = 6$<\/span>).<\/p>\n

                    Donn\u00e9es brutes :<\/p>\n

                      \n
                    • Groupe Art ($n_1 = 5$<\/span>) :<\/strong> 42, 45, 48, 52, 55<\/li>\n
                    • Groupe Info ($n_2 = 6$<\/span>) :<\/strong> 35, 38, 42, 44, 47, 50<\/li>\n<\/ul>\n

                      Proc\u00e9dons au classement conjoint des 11 observations pour assigner les rangs :<\/p>\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n
                      Valeur brute<\/th>\nGroupe<\/th>\nPosition brute<\/th>\nRang assign\u00e9<\/th>\n<\/tr>\n<\/thead>\n
                      35<\/td>\nInfo<\/td>\n1<\/td>\n1<\/td>\n<\/tr>\n
                      38<\/td>\nInfo<\/td>\n2<\/td>\n2<\/td>\n<\/tr>\n
                      42<\/td>\nArt<\/td>\n3<\/td>\n3,5 (ex \u00e6quo)<\/td>\n<\/tr>\n
                      42<\/td>\nInfo<\/td>\n4<\/td>\n3,5 (ex \u00e6quo)<\/td>\n<\/tr>\n
                      44<\/td>\nInfo<\/td>\n5<\/td>\n5<\/td>\n<\/tr>\n
                      45<\/td>\nArt<\/td>\n6<\/td>\n6<\/td>\n<\/tr>\n
                      47<\/td>\nInfo<\/td>\n7<\/td>\n7<\/td>\n<\/tr>\n
                      48<\/td>\nArt<\/td>\n8<\/td>\n8<\/td>\n<\/tr>\n
                      50<\/td>\nInfo<\/td>\n9<\/td>\n9<\/td>\n<\/tr>\n
                      52<\/td>\nArt<\/td>\n10<\/td>\n10<\/td>\n<\/tr>\n
                      55<\/td>\nArt<\/td>\n11<\/td>\n11<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

                      Calcul des sommes de rangs :<\/p>\n

                      $$R_1 (\\text{Art}) = 3{,}5 + 6 + 8 + 10 + 11 = 38{,}5$$<\/span><\/p>\n

                      $$R_2 (\\text{Info}) = 1 + 2 + 3{,}5 + 5 + 7 + 9 = 27{,}5$$<\/span><\/p>\n

                      V\u00e9rification : $38{,}5 + 27{,}5 = 66 = \\frac{11 \\times 12}{2}$<\/span>. Le contr\u00f4le est parfaitement valid\u00e9.<\/p>\n

                      Calcul des statistiques :<\/p>\n

                      $$U_1 = (5 \\times 6) + \\frac{5 \\times 6}{2} – 38{,}5 = 30 + 15 – 38{,}5 = 6{,}5$$<\/span><\/p>\n

                      $$U_2 = (5 \\times 6) + \\frac{6 \\times 7}{2} – 27{,}5 = 30 + 21 – 27{,}5 = 23{,}5$$<\/span><\/p>\n

                      $$U_{\\text{obte\\nu}} = \\min(6{,}5 ; 23{,}5) = 6{,}5$$<\/span><\/p>\n

                      Consultation de la table bilat\u00e9rale $\\alpha = 0{,}05$<\/span> pour $n_1 = 5, n_2 = 6$<\/span> : la valeur critique est $U_{\\text{critique}} = 3$<\/span>.<\/p>\n

                      Puisque $U_{\\text{obte\\nu}} = 6{,}5 > U_{\\text{critique}} = 3$<\/span>, nous ne pouvons pas rejeter $H_0$<\/span>. Il n’existe pas de diff\u00e9rence statistiquement significative de niveau d’empathie entre ces deux cohortes au seuil de $5%$<\/span>.<\/p>\n

                      9. Gestion des grandes tailles d’\u00e9chantillons et approximation asymptotique normale<\/h2>\n

                      9.1 Limites de tabulation et seuils de transition<\/h3>\n

                      Les tables exactes de Mann-Whitney cessent g\u00e9n\u00e9ralement de r\u00e9pertorier les valeurs au-del\u00e0 de $n_1 > 20$<\/span> ou $n_2 > 20$<\/span>. Cette limitation d\u00e9lib\u00e9r\u00e9e s’explique par deux facteurs conjoints : d’une part, l’explosion combinatoire rend la tabulation imprim\u00e9e volumineuse et redondante ; d’autre part, en vertu du th\u00e9or\u00e8me central limite appliqu\u00e9 aux sommes de variables al\u00e9atoires d\u00e9pendantes, la distribution d’\u00e9chantillonnage de $U$<\/span> converge tr\u00e8s rapidement vers une distribution gaussienne continue.<\/p>\n

                      D\u00e8s que les effectifs atteignent ou d\u00e9passent $n_1, n_2 ge 20$<\/span>, la loi normale centr\u00e9e r\u00e9duite $\\mathcal{N}(0, 1)$<\/span> fournit une approximation d’une pr\u00e9cision remarquable pour calculer la $p$<\/span>-valeur associ\u00e9e \u00e0 la statistique $U$<\/span>, rendant le recours aux tables discr\u00e8tes obsol\u00e8te.<\/p>\n

                      9.2 Param\u00e8tres de la distribution normale asymptotique<\/h3>\n

                      Sous l’hypoth\u00e8se nulle $H_0$<\/span>, la distribution asymptotique de $U$<\/span> se caract\u00e9rise par une esp\u00e9rance math\u00e9matique $\\mu_U$<\/span> et un \u00e9cart-type $\\sigma_U$<\/span> parfaitement d\u00e9termin\u00e9s par les tailles d’\u00e9chantillons :<\/p>\n

                      $$\\mathbb{E}(U) = \\mu_U = \\frac{n_1 n_2}{2}$$<\/span><\/p>\n

                      $$\\sigma_U = \\sqrt{\\frac{n_1 n_2 (n_1 + n_2 + 1)}{12}}$$<\/span><\/p>\n

                      \u00c0 partir de ces moments d’\u00e9chantillonnage, la statistique standardis\u00e9e $Z$<\/span> se calcule selon le ratio canonique :<\/p>\n

                      $$Z = \\frac{U – \\mu_U}{\\sigma_U}$$<\/span><\/p>\n

                      En pr\u00e9sence d’un volume significatif de rangs ex \u00e6quo, la formule corrig\u00e9e de la variance pr\u00e9sent\u00e9e en section 8.2 est substitu\u00e9e au d\u00e9nominateur pour garantir une standardisation sans biais.<\/p>\n

                      9.3 Correction de continuit\u00e9 et utilisation de la table normale standardis\u00e9e Z<\/h3>\n

                      Puisque l’on approxime une loi discr\u00e8te \u00e0 valeurs enti\u00e8res (ou demi-enti\u00e8res) par une densit\u00e9 de probabilit\u00e9 continue, la pr\u00e9cision de l’inf\u00e9rence est notablement am\u00e9lior\u00e9e par l’application d’une correction de continuit\u00e9<\/strong> de $\\pm 0{,}5$<\/span>. La statistique standardis\u00e9e corrig\u00e9e s’\u00e9crit formellement :<\/p>\n

                      $$Z = \\frac{|U – \\mu_U| – 0{,}5}{\\sigma_U}$$<\/span><\/p>\n

                      Le score $Z$<\/span> ainsi obtenu est ensuite directement compar\u00e9 aux valeurs critiques universelles de la loi normale centr\u00e9e r\u00e9duite $\\mathcal{N}(0, 1)$<\/span> :<\/p>\n

                        \n
                      • Pour $\\alpha = 0{,}05$<\/span> bilat\u00e9ral : Rejet de $H_0$<\/span> si $|Z| ge 1{,}96$<\/span>.<\/li>\n
                      • Pour $\\alpha = 0{,}01$<\/span> bilat\u00e9ral : Rejet de $H_0$<\/span> si $|Z| ge 2{,}576$<\/span>.<\/li>\n
                      • Pour $\\alpha = 0{,}001$<\/span> bilat\u00e9ral : Rejet de $H_0$<\/span> si $|Z| ge 3{,}291$<\/span>.<\/li>\n<\/ul>\n

                        Cette m\u00e9thodologie unifi\u00e9e permet d’\u00e9tendre l’application du test de Mann-Whitney \u00e0 des \u00e9chantillons de plusieurs centaines ou milliers d’individus avec une parfaite rigueur statistique.<\/p>\n

                        10. Applications pratiques de la table de Mann-Whitney U dans la recherche psychologique<\/h2>\n

                        10.1 Psychologie clinique et psychopathologie<\/h3>\n

                        En psychologie clinique et en psychiatrie exp\u00e9rimentale, les instruments de mesure d’intensit\u00e9 symptomatique \u2014 tels que l’inventaire de d\u00e9pression de Beck (BDI-II), l’\u00e9chelle d’anxi\u00e9t\u00e9 de Hamilton (HAM-A) ou l’\u00e9chelle des sympt\u00f4mes positifs et n\u00e9gatifs de la schizophr\u00e9nie (PANSS) \u2014 pr\u00e9sentent structurellement des distributions tronqu\u00e9es et non gaussiennes. Les scores au BDI-II au sein d’une population non clinique pr\u00e9sentent une forte asym\u00e9trie droite, tandis que dans une cohorte clinique s\u00e9v\u00e8re, des effets de plafonnement sont fr\u00e9quents.<\/p>\n

                        L’utilisation de la table de Mann-Whitney U permet de comparer l’efficacit\u00e9 de protocoles th\u00e9rapeutiques innovants (comme la stimulation magn\u00e9tique transcr\u00e2nienne r\u00e9p\u00e9titive – rTMS) par rapport \u00e0 un protocole fictif (sham<\/em>) sur des cohortes cliniques restreintes ($n \\approx 10$<\/span> \u00e0 $15$ par bras). Elle assure une prise de d\u00e9cision clinique rigoureuse, non pollu\u00e9e par les violations de normalit\u00e9, garantissant la validit\u00e9 interne des essais cliniques de phase pr\u00e9coce.<\/p>\n

                        10.2 Psychologie cognitive et ergonomie<\/h3>\n

                        Le domaine de la psychologie cognitive et de l’ergonomie des interfaces homme-machine mobilise fr\u00e9quemment des indices comportementaux dont les propri\u00e9t\u00e9s m\u00e9triques contreviennent aux postulats param\u00e9triques : temps de fixation oculaire en eye-tracking<\/em>, nombre d’erreurs commises lors d’une t\u00e2che de double d\u00e9tection, ou scores globaux d’utilisabilit\u00e9 via le questionnaire SUS (System Usability Scale<\/em>).<\/p>\n

                        Lors de l’\u00e9valuation de deux variantes d’architecture logicielle aupr\u00e8s d’un panel de tests utilisateurs ($n_1 = 8, n_2 = 8$<\/span>), les scores d’utilisabilit\u00e9 bruts sont souvent regroup\u00e9s sur des valeurs discr\u00e8tes. La consultation de la table de Mann-Whitney U fournit la justification m\u00e9thodologique requise pour trancher sur la sup\u00e9riorit\u00e9 ergonomique d’un environnement num\u00e9rique sans pr\u00e9sumer d’une distribution continue sous-jacente.<\/p>\n

                        10.3 Psychologie du travail et des organisations<\/h3>\n

                        Dans l’\u00e9tude des climats organisationnels et de la sant\u00e9 au travail, les chercheurs \u00e9valuent des construits tels que l’\u00e9puisement professionnel (via le Maslach Burnout Inventory<\/em> – MBI) ou l’engagement au travail (\u00e9chelle UWES) au sein d’unit\u00e9s op\u00e9rationnelles ou de services hospitaliers sp\u00e9cifiques. Les effectifs compar\u00e9s au sein d’une m\u00eame organisation sont souvent limit\u00e9s par la taille r\u00e9elle des \u00e9quipes ($n = 10$<\/span> \u00e0 $18$ collaborateurs par d\u00e9partement).<\/p>\n

                        La table de Mann-Whitney constitue ici le standard d’analyse pour \u00e9valuer si le d\u00e9ploiement d’un programme de pr\u00e9vention des risques psychosociaux (RPS) au sein d’un service induit une am\u00e9lioration statistiquement robuste par rapport \u00e0 un service t\u00e9moin. Le rapportage acad\u00e9mique de ces interventions s’effectue conform\u00e9ment aux standards stricts de l’APA 7th edition, mentionnant explicitement la statistique $U$<\/span>, la taille des \u00e9chantillons, le niveau $p$<\/span> extrait de la table et la taille d’effet associ\u00e9e.<\/p>\n

                        11. Erreurs courantes lors de la consultation et de l’interpr\u00e9tation de la table de Mann-Whitney U<\/h2>\n

                        11.1 Erreurs li\u00e9es \u00e0 la r\u00e8gle de d\u00e9cision et au sens de l’in\u00e9galit\u00e9<\/h3>\n

                        L’erreur la plus r\u00e9pandue et la plus pr\u00e9judiciable consiste \u00e0 appliquer machinalement \u00e0 la statistique de Mann-Whitney la r\u00e8gle de d\u00e9cision des tests param\u00e9triques :<\/p>\n

                        ERREUR CLASSIQUE : Rejeter $H_0$<\/span> lorsque $U_{\\text{obte\\nu}} > U_{\\text{critique}}$<\/span><\/p>\n

                        R\u00c8GLE EXACTE : Rejeter $H_0$<\/span> lorsque $U_{\\text{obte\\nu}} le U_{\\text{critique}}$<\/span><\/p>\n

                        Cette m\u00e9prise conduit \u00e0 des conclusions scientifiques diam\u00e9tralement oppos\u00e9es \u00e0 la r\u00e9alit\u00e9 des donn\u00e9es : un chercheur commettant cette inversion d\u00e9clarera un protocole non significatif alors m\u00eame que les donn\u00e9es mettent en \u00e9vidence un effet majeur, ou inversement conclura \u00e0 une d\u00e9couverte majeure face \u00e0 une absence totale de diff\u00e9renciation stochastique.<\/p>\n

                        Une seconde erreur fr\u00e9quente consiste \u00e0 omettre de prendre le minimum entre $U_1$<\/span> et $U_2$<\/span> avant de consulter la table. Si un exp\u00e9rimentateur calcule uniquement $U_1 = 53$<\/span> (pour $n_1 = 7, n_2 = 8$<\/span>) et compare directement cette valeur \u00e0 la table ($U_{\\text{critique}} = 10$<\/span>), il conclura \u00e0 tort \u00e0 l’absence d’effet en constatant que $53 > 10$<\/span>, alors que la statistique minimale d’inf\u00e9rence est $U = min(53, 3) = 3 le 10$<\/span>, signalant un r\u00e9sultat hautement significatif.<\/p>\n

                        11.2 Erreurs de s\u00e9lection de colonnes et de seuils<\/h3>\n

                        La structure dense des tables imprim\u00e9es g\u00e9n\u00e8re fr\u00e9quemment des confusions de lecture :<\/p>\n