{"id":8426,"date":"2026-10-14T18:02:24","date_gmt":"2026-10-14T18:02:24","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/comment-effectuer-test-u-mann-whitney-excel\/"},"modified":"2026-10-14T18:02:24","modified_gmt":"2026-10-14T18:02:24","slug":"comment-effectuer-test-u-mann-whitney-excel","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=comment-effectuer-test-u-mann-whitney-excel","title":{"rendered":"Comment effectuer un test U de Mann-Whitney dans Excel"},"content":{"rendered":"

Dans le paysage contemporain de l’analyse de donn\u00e9es quantitatives, les chercheurs en sciences humaines, sociales et biom\u00e9dicales se heurtent fr\u00e9quemment aux limites inh\u00e9rentes aux m\u00e9thodes statistiques param\u00e9triques classiques. Lorsque les distributions empiriques s’\u00e9cartent manifestement de la courbe normale de Gauss-Laplace, ou lorsque les instruments de mesure g\u00e9n\u00e8rent des donn\u00e9es de nature strictement ordinale, le recours au test t<\/em> de Student pour \u00e9chantillons ind\u00e9pendants s’av\u00e8re m\u00e9thodologiquement ill\u00e9gitime et scientifiquement risqu\u00e9. Dans ce contexte \u00e9pist\u00e9mologique, le test non param\u00e9trique U de Mann-Whitney \u00e9merge comme l’alternative pr\u00e9f\u00e9rentielle par excellence, offrant une robustesse math\u00e9matique irr\u00e9prochable face aux asym\u00e9tries prononc\u00e9es et aux valeurs aberrantes.<\/p>\n

Bien que des progiciels sp\u00e9cialis\u00e9s tels que SPSS, R, SAS ou JASP soient traditionnellement pr\u00e9conis\u00e9s pour r\u00e9aliser de telles inf\u00e9rences, le tableur universel Microsoft Excel demeure, pour des millions de praticiens, cliniciens et universitaires, l’interface computationnelle la plus imm\u00e9diatement accessible et d\u00e9ploy\u00e9e \u00e0 l’\u00e9chelle mondiale. N\u00e9anmoins, contrairement \u00e0 d’autres proc\u00e9dures inf\u00e9rentielles \u00e9l\u00e9mentaires, Microsoft Excel ne propose aucune commande ferm\u00e9e native unifi\u00e9e intitul\u00e9e directement \u00ab TEST.MANN.WHITNEY \u00bb. Cette carence apparente contraint l’analyste \u00e0 ma\u00eetriser l’architecture algorithmique sous-jacente du test afin d’orchestrer, au sein de la feuille de calcul, une cha\u00eene de traitement rigoureuse combinant le classement matriciel des observations, le calcul pond\u00e9r\u00e9 des rangs et la r\u00e9solution analytique des \u00e9quations probabilistes associ\u00e9es.<\/p>\n

Ce guide exhaustif a pour vocation de d\u00e9construire pas \u00e0 pas l’ensemble des fondements th\u00e9oriques, des m\u00e9canismes math\u00e9matiques et des protocoles d’impl\u00e9mentation pratique du test U de Mann-Whitney dans l’environnement Microsoft Excel. En alliant une rigueur acad\u00e9mique sans compromis aux exigences op\u00e9rationnelles du traitement automatis\u00e9 de donn\u00e9es, ce manuel constitue une r\u00e9f\u00e9rence technique compl\u00e8te, guidant le chercheur depuis la v\u00e9rification des postulats initiaux jusqu’\u00e0 la mod\u00e9lisation sous forme de macros p\u00e9rennes et la restitution graphique des r\u00e9sultats selon les normes \u00e9ditoriales les plus strictes de l’American Psychological Association (APA 7e \u00e9dition).<\/p>\n

1. Fondements th\u00e9oriques et \u00e9pist\u00e9mologiques du test U de Mann-Whitney<\/h2>\n

1.1 D\u00e9finition statistique et paradigme non param\u00e9trique<\/h3>\n

L’inf\u00e9rence statistique non param\u00e9trique, souvent d\u00e9sign\u00e9e sous l’appellation d’inf\u00e9rence \u00e0 distribution libre (distribution-free statistics<\/em>), repose sur un paradigme \u00e9pist\u00e9mologique fondamentalement distinct de l’approche param\u00e9trique standard. Alors que cette derni\u00e8re postule que les \u00e9chantillons proviennent d’une population parente structur\u00e9e selon une loi de probabilit\u00e9 th\u00e9orique pr\u00e9d\u00e9finie \u2014 le plus souvent la loi normale \u2014 dont il s’agit d’estimer les param\u00e8tres centraux tels que l’esp\u00e9rance math\u00e9matique (μ) et la variance (σ²), l’approche non param\u00e9trique s’affranchit d\u00e9lib\u00e9r\u00e9ment de ces contraintes structurales. Elle ne requiert aucune sp\u00e9cification a priori<\/em> quant \u00e0 la forme analytique de la fonction de densit\u00e9 sous-jacente, ce qui conf\u00e8re aux tests qui en d\u00e9coulent une r\u00e9silience exceptionnelle face aux violations morphologiques des distributions empiriques.<\/p>\n

Le principe cardinal qui sous-tend le test U de Mann-Whitney r\u00e9side dans la conversion imm\u00e9diate des grandeurs quantitatives brutes en valeurs ordinales relatives. Plut\u00f4t que de confronter directement les moyennes arithm\u00e9tiques des groupes \u00e0 l’\u00e9tude \u2014 m\u00e9triques notoirement sensibles aux d\u00e9formations distributionnelles et \u00e0 la pr\u00e9sence de valeurs extr\u00eames \u2014, le test \u00e9value la disposition spatiale relative des observations \u00e0 travers l’attribution de rangs. En r\u00e9ordonnant l’ensemble des donn\u00e9es combin\u00e9es sur un continuum lin\u00e9aire ascendant, l’analyste neutralise l’amplitude absolue des \u00e9carts m\u00e9triques pour ne pr\u00e9server que la structure de pr\u00e9s\u00e9ance s\u00e9quentielle. Il s’ensuit que l’inf\u00e9rence ne porte plus sur l’\u00e9cart arithm\u00e9tique s\u00e9parant deux centres de gravit\u00e9, mais sur la probabilit\u00e9 qu’une observation extraite al\u00e9atoirement d’une premi\u00e8re population exc\u00e8de stochastiquement une observation issue d’une seconde population.<\/p>\n

Sur le plan historique, la gen\u00e8se de cette proc\u00e9dure constitue une avanc\u00e9e majeure dans l’histoire de la biom\u00e9trie et de l’\u00e9conom\u00e9trie moderne. La premi\u00e8re intuition th\u00e9orique fut formalis\u00e9e par le statisticien et chimiste am\u00e9ricain Frank Wilcoxon<\/a> en 1945, qui proposa un test fond\u00e9 sur la somme des rangs pour deux \u00e9chantillons ind\u00e9pendants de tailles strictement identiques. Deux ann\u00e9es plus tard, en 1947, Henry Mann et Donald Whitney publi\u00e8rent un m\u00e9moire s\u00e9minal g\u00e9n\u00e9ralisant le mod\u00e8le \u00e0 des \u00e9chantillons de tailles in\u00e9gales et introduisant une nouvelle statistique d\u00e9cisionnelle, not\u00e9e U, accompagn\u00e9e d’un traitement math\u00e9matique rigoureux de la distribution exacte pour de tr\u00e8s petits \u00e9chantillons. Le test ainsi consolid\u00e9 devint rapidement l’outil privil\u00e9gi\u00e9 de l’investigation empirique dans les disciplines confront\u00e9es \u00e0 une forte variabilit\u00e9 interindividuelle.<\/p>\n

En psychologie exp\u00e9rimentale et en psychologie clinique, les champs d’application du test U de Mann-Whitney sont l\u00e9gion. Ces disciplines manipulent en permanence des variables psychom\u00e9triques obtenues via des \u00e9chelles de type Likert, des inventaires d’\u00e9valuation comportementale ou des mesures de temps de latence cognitive. Ces indices pr\u00e9sentent quasi syst\u00e9matiquement des asym\u00e9tries positives marqu\u00e9es, des effets de plancher ou de plafond, ainsi qu’une discontinuit\u00e9 intrins\u00e8que qui prohibe l’usage sans r\u00e9serve des statistiques param\u00e9triques. Le test U constitue donc l’instrument de r\u00e9f\u00e9rence pour valider l’efficacit\u00e9 diff\u00e9rentielle de protocoles th\u00e9rapeutiques, comparer des sous-populations cliniques \u00e0 des groupes t\u00e9moins, ou encore attester de modifications comportementales induites par des manipulations exp\u00e9rimentales complexes.<\/p>\n

1.2 \u00c9quivalence formelle entre le test de Mann-Whitney et le test de Wilcoxon<\/h3>\n

Il r\u00e8gne au sein de la litt\u00e9rature scientifique une confusion terminologique r\u00e9currente entretenue par la juxtaposition des appellations \u00ab test de la somme des rangs de Wilcoxon \u00bb (Wilcoxon rank-sum test<\/em>) et \u00ab test U de Mann-Whitney \u00bb. D’un point de vue strictement math\u00e9matique, ces deux formulations repr\u00e9sentent deux expressions analytiques rigoureusement isomorphes d’une seule et m\u00eame r\u00e9alit\u00e9 probabiliste. La statistique W de Wilcoxon correspond \u00e0 la somme brute des rangs attribu\u00e9s aux observations appartenant \u00e0 l’un des sous-groupes exp\u00e9rimentaux au sein de la s\u00e9rie globale unifi\u00e9e. La statistique U de Mann-Whitney, quant \u00e0 elle, quantifie le nombre effectif de fois o\u00f9 un score observ\u00e9 dans le premier \u00e9chantillon surpasse les scores observ\u00e9s dans le second \u00e9chantillon lors de comparaisons exhaustives par paires.<\/p>\n

La passerelle alg\u00e9brique liant indissolublement ces deux grandeurs s’exprime par une relation lin\u00e9aire d\u00e9terministe parfaite. Si l’on note n<\/em>1<\/sub> la taille du premier \u00e9chantillon et R<\/em>1<\/sub> la somme des rangs attribu\u00e9e \u00e0 ce m\u00eame groupe dans la distribution conjointe, la statistique U<\/em>1<\/sub> se d\u00e9duit directement par l’\u00e9quation canonique :<\/p>\n

U<\/em>1<\/sub> = n<\/em>1<\/sub>n<\/em>2<\/sub> + [n<\/em>1<\/sub>(n<\/em>1<\/sub> + 1) \/ 2] – R<\/em>1<\/sub><\/p>\n

Cette relation d\u00e9montre que la statistique U n’est rien d’autre qu’un d\u00e9centrage de la somme des rangs de Wilcoxon, normalis\u00e9e en fonction du rang th\u00e9orique minimal que ce groupe aurait pu obtenir si l’ensemble de ses observations s’\u00e9tait positionn\u00e9 en t\u00eate absolue de la s\u00e9rie ordonn\u00e9e. Par cons\u00e9quent, tester l’hypoth\u00e8se nulle d’\u00e9galit\u00e9 des populations au moyen de W ou au moyen de U conduit rigoureusement \u00e0 des valeurs critiques identiques, \u00e0 des niveaux de significativit\u00e9 strictement superposables et \u00e0 des conclusions scientifiques parfaitement univoques.<\/p>\n

Il importe toutefois de maintenir une distinction conceptuelle et op\u00e9rationnelle limpide entre cette proc\u00e9dure d\u00e9di\u00e9e aux \u00e9chantillons ind\u00e9pendants et le test des rangs sign\u00e9s de Wilcoxon (Wilcoxon signed-rank test<\/em>). Ce dernier est exclusivement r\u00e9serv\u00e9 aux plans factoriels \u00e0 mesures r\u00e9p\u00e9t\u00e9es ou aux \u00e9chantillons appari\u00e9s, reposant sur l’analyse intra-sujet du signe et de la magnitude des diff\u00e9rences observ\u00e9es entre deux conditions associ\u00e9es. La confusion entre ces deux protocoles engendre des erreurs m\u00e9thodologiques graves lors de la saisie des commandes dans les progiciels statistiques et alt\u00e8re profond\u00e9ment la validit\u00e9 des conclusions publi\u00e9es.<\/p>\n

Au niveau de l’impl\u00e9mentation manuelle dans un tableur informatique tel qu’Excel, la reconnaissance de cet isomorphisme est d’une port\u00e9e heuristique majeure. Elle autorise le chercheur \u00e0 orienter son algorithme soit vers le calcul combinatoire du d\u00e9nombrement des inversions (m\u00e9thode native de Mann-Whitney), soit vers la sommation conditionnelle des rangs de la s\u00e9rie fusionn\u00e9e (m\u00e9thode de Wilcoxon). \u00c9tant donn\u00e9 que le calcul matriciel des rangs cumul\u00e9s s’av\u00e8re infiniment moins lourd en termes de puissance computationnelle que le calcul exhaustif des paires cart\u00e9siennes crois\u00e9es, c’est invariablement l’approche par sommation de Wilcoxon qui sert d’assise algorithmique au d\u00e9ploiement du test U dans les feuilles de calcul contemporaines. Dans les revues internationales de psychologie index\u00e9es, l’usage pr\u00e9conise d\u00e9sormais de mentionner indiff\u00e9remment \u00ab test de Mann-Whitney-Wilcoxon (MWW) \u00bb ou \u00ab test U de Mann-Whitney \u00bb, en veillant \u00e0 rapporter simultan\u00e9ment la statistique U et la somme des rangs associ\u00e9e.<\/p>\n

1.3 Conditions de validit\u00e9 et postulats pr\u00e9alables<\/h3>\n

Bien que le test U de Mann-Whitney soit universellement qualifi\u00e9 de m\u00e9thode non param\u00e9trique et qu’il s’affranchisse formellement du postulat de normalit\u00e9 des distributions r\u00e9siduelles, il demeure tributaire d’un ensemble de postulats m\u00e9thodologiques stricts qu’il convient de soumettre \u00e0 un examen critique scrupuleux avant toute inf\u00e9rence op\u00e9rationnelle. L’omission de ces crit\u00e8res de validit\u00e9 pr\u00e9liminaires constitue l’une des causes majeures d’invalidit\u00e9 des inf\u00e9rences statistiques publi\u00e9es dans la recherche biom\u00e9dicale et psychologique contemporaine.<\/p>\n

Le premier postulat fondamental, commun \u00e0 la quasi-totalit\u00e9 des proc\u00e9dures inf\u00e9rentielles fr\u00e9quentistes, exige l’ind\u00e9pendance absolue des observations. Cette condition implique deux dimensions structurelles orthogonales :<\/p>\n

    \n
  • L’ind\u00e9pendance intra-groupe :<\/strong> La mesure obtenue pour un participant donn\u00e9 au sein de son groupe ne doit en aucun cas exercer d’influence ou entretenir de corr\u00e9lation fonctionnelle avec la mesure enregistr\u00e9e pour un autre participant de cette m\u00eame cohorte. Cette condition disqualifie d’embl\u00e9e l’analyse d’\u00e9chantillons en grappes non contr\u00f4l\u00e9es ou de dynamiques de groupe non isol\u00e9es.<\/li>\n
  • L’ind\u00e9pendance inter-groupes :<\/strong> Les deux cohortes exp\u00e9rimentales soumises \u00e0 la comparaison doivent \u00eatre form\u00e9es d’unit\u00e9s statistiques enti\u00e8rement disjointes. Aucun individu ne peut \u00eatre repr\u00e9sent\u00e9 dans les deux conditions, et aucun m\u00e9canisme de couplage ou d’appariement pr\u00e9alable (ex. paires de jumeaux, sujets appari\u00e9s selon l’\u00e2ge ou le quotient intellectuel) ne doit pr\u00e9sider \u00e0 la constitution des \u00e9chantillons sans basculer sur un protocole non param\u00e9trique adapt\u00e9 aux s\u00e9ries d\u00e9pendantes.<\/li>\n<\/ul>\n

    Le second postulat a trait au niveau de mesure requis pour la variable d\u00e9pendante. L’ordonnancement s\u00e9quentiel des scores exigeant d’\u00e9tablir des relations univoques de pr\u00e9c\u00e9dence logique (op\u00e9rateurs arithm\u00e9tiques d’ordre sup\u00e9rieur et inf\u00e9rieur), la variable \u00e9tudi\u00e9e doit imp\u00e9rativement \u00eatre mesur\u00e9e, au minimum, sur une \u00e9chelle ordinale continue ou discr\u00e8te. Les donn\u00e9es m\u00e9triques continues, mesur\u00e9es sur des \u00e9chelles d’intervalles ou de rapports, sont parfaitement \u00e9ligibles et gagnent fr\u00e9quemment \u00e0 \u00eatre trait\u00e9es par cette m\u00e9thode lorsqu’elles exhibent une cin\u00e9tique de distribution anormale. En revanche, l’application du test de Mann-Whitney \u00e0 des variables nominales qualitatives non ordonn\u00e9es constitue un non-sens statistique absolu.<\/p>\n

    Le troisi\u00e8me postulat concerne l’interpr\u00e9tation exacte de la finalit\u00e9 du test. Si le chercheur ambitionne de tester une diff\u00e9rence de tendance centrale \u2014 c’est-\u00e0-dire un d\u00e9calage de la valeur de la m\u00e9diane entre les deux groupes \u2014, il est th\u00e9oriquement indispensable d’assumer l’hypoth\u00e8se de similarit\u00e9 de forme des distributions sous-jacentes. Selon ce principe, les distributions des deux populations doivent pr\u00e9senter un profil g\u00e9om\u00e9trique identique (m\u00eames degr\u00e9s d’asym\u00e9trie et d’aplatissement), le traitement exp\u00e9rimental n’ayant pour effet que de transposer la courbe le long de l’axe horizontal sans en alt\u00e9rer la dispersion ni la morphologie globale. Si cette condition d’homog\u00e9n\u00e9it\u00e9 de forme n’est pas honor\u00e9e, un r\u00e9sultat statistiquement significatif ne peut en aucun cas \u00eatre interpr\u00e9t\u00e9 comme une preuve d’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des m\u00e9dianes ; il atteste exclusivement d’un ph\u00e9nom\u00e8ne de dominance stochastique globale, indiquant que la probabilit\u00e9 P<\/em>(X<\/em> > Y<\/em>) s’\u00e9carte significativement de 0,50.<\/p>\n

    Enfin, la gestion des faibles effectifs requiert une vigilance m\u00e9thodologique accrue. Lorsque la taille globale des \u00e9chantillons est modeste (par convention, lorsque n<\/em>1<\/sub> et n<\/em>2<\/sub> sont inf\u00e9rieurs ou \u00e9gaux \u00e0 20 ou que la taille totale N<\/em> est inf\u00e9rieure \u00e0 30), les propri\u00e9t\u00e9s asymptotiques du th\u00e9or\u00e8me central limite ne peuvent plus \u00eatre convoqu\u00e9es. Dans cette configuration d’\u00e9chantillons r\u00e9duits, les approximations fond\u00e9es sur la loi normale standard perdent toute validit\u00e9 empirique. Le chercheur se trouve alors dans l’obligation formelle de recourir aux tables des distributions combinatoires exactes de la statistique U pour extraire les probabilit\u00e9s critiques r\u00e9elles et pr\u00e9venir l’inflation incontr\u00f4l\u00e9e du taux d’erreur de type I.<\/p>\n

    2. Analyse comparative : Test U de Mann-Whitney versus Test t de Student ind\u00e9pendant<\/h2>\n

    2.1 Vuln\u00e9rabilit\u00e9 du test t face aux violations de normalit\u00e9<\/h3>\n

    Le test t<\/em> de Student pour \u00e9chantillons ind\u00e9pendants s’\u00e9rige historiquement comme le mod\u00e8le d’inf\u00e9rence de r\u00e9f\u00e9rence pour statuer sur l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 de deux moyennes empiriques. Cette h\u00e9g\u00e9monie th\u00e9orique repose sur des fondations math\u00e9matiques pr\u00e9cises, notamment la distribution de Student, qui postule formellement que la variable d\u00e9pendante est distribu\u00e9e selon une loi gaussienne au sein de chacune des sous-populations analys\u00e9es. Dans la pratique scientifique r\u00e9elle, tout particuli\u00e8rement en psychologie et en psychiatrie exp\u00e9rimentale, cette condition id\u00e9ale d’homog\u00e9n\u00e9it\u00e9 et de normalit\u00e9 n’est que tr\u00e8s exceptionnellement rencontr\u00e9e. Les processus psychophysiologiques g\u00e9n\u00e8rent intrins\u00e8quement des distributions asym\u00e9triques pr\u00e9sentant de forts coefficients de dissym\u00e9trie (skewness<\/em>) ou d’aplatissement (kurtosis<\/em>).<\/p>\n

    Lorsque le chercheur persiste \u00e0 appliquer le test t<\/em> de Student sur des s\u00e9ries asym\u00e9triques ou parasit\u00e9es par des observations discordantes (valeurs aberrantes ou outliers<\/em>), la stabilit\u00e9 de l’inf\u00e9rence se d\u00e9sagr\u00e8ge rapidement. La moyenne arithm\u00e9tique constitue une mesure de tendance centrale extr\u00eamement vuln\u00e9rable : un seul score hautement d\u00e9viant induit une translation artificielle substantielle du centre de gravit\u00e9 de l’\u00e9chantillon, tout en provoquant une inflation quadratique de la variance estim\u00e9e de l’erreur standard de la moyenne. Il en r\u00e9sulte un effondrement dramatique de la statistique de Student calcul\u00e9e, aboutissant \u00e0 une incapacit\u00e9 critique de d\u00e9celer un effet r\u00e9el (\u00e9l\u00e9vation massive du risque d’erreur de type II ou β) ou, paradoxalement, \u00e0 l’apparition de faux positifs lorsque l’asym\u00e9trie se conjugue \u00e0 un d\u00e9s\u00e9quilibre prononc\u00e9 des effectifs inter-groupes.<\/p>\n

    Cette vuln\u00e9rabilit\u00e9 s’accentue dramatiquement en situation d’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 \u2014 c’est-\u00e0-dire lorsque la variance du groupe 1 diverge significativement de la variance du groupe 2 \u2014 tout en coexistant avec des tailles d’\u00e9chantillons in\u00e9gales. Dans cette configuration hautement instable, la robustesse nominale du test t<\/em> dispara\u00eet int\u00e9gralement, et le taux r\u00e9el de r\u00e9jection \u00e0 tort de l’hypoth\u00e8se nulle sous le seuil critique nominal de 5 % peut grimper jusqu’\u00e0 d\u00e9passer les 15 \u00e0 20 %. \u00c0 l’oppos\u00e9 de cette fragilit\u00e9 param\u00e9trique, le test U de Mann-Whitney fait montre d’une imperm\u00e9abilit\u00e9 totale face aux d\u00e9formations de grande amplitude. En transformant les scores bruts en rangs contigus, il assigne une valeur maximale born\u00e9e \u00e0 l’observation la plus extr\u00eame, la neutralisant efficacement en tant qu’artefact d’\u00e9chelle et pr\u00e9servant l’int\u00e9grit\u00e9 globale de l’\u00e9valuation comparative.<\/p>\n

    2.2 Puissance statistique et efficacit\u00e9 asymptotique relative<\/h3>\n

    Un pr\u00e9jug\u00e9 m\u00e9thodologique largement r\u00e9pandu au sein de la communaut\u00e9 scientifique tend \u00e0 discr\u00e9diter les tests non param\u00e9triques sous l’all\u00e9gation p\u00e9remptoire qu’ils accuseraient un d\u00e9ficit structurel de puissance statistique comparativement aux mod\u00e8les param\u00e9triques \u00e9quivalents. Une analyse formelle rigoureuse de la th\u00e9orie de l’estimation statistique d\u00e9montre que ce jugement simpliste est fondamentalement erron\u00e9. L’indice math\u00e9matique standard employ\u00e9 pour arbitrer cette concurrence m\u00e9thodologique est l’Efficacit\u00e9 Relative Asymptotique (ERA ou Asymptotic Relative Efficiency<\/em> – ARE), th\u00e9oris\u00e9e notamment par Pitman.<\/p>\n

    L’efficacit\u00e9 relative asymptotique quantifie le ratio du nombre d’observations requis par une proc\u00e9dure A pour atteindre la m\u00eame puissance statistique qu’une proc\u00e9dure B lorsque la taille globale tend vers l’infini et que l’amplitude de l’effet tend vers z\u00e9ro. Lorsque les postulats param\u00e9triques id\u00e9aux sont rigoureusement satisfaits \u2014 c’est-\u00e0-dire lorsque les populations m\u00e8res suivent une loi normale parfaite dot\u00e9e d’une variance strictement homog\u00e8ne \u2014, l’ERA du test U de Mann-Whitney par rapport au test t<\/em> de Student s’\u00e9tablit tr\u00e8s pr\u00e9cis\u00e9ment \u00e0 :<\/p>\n

    ERA(U \/ t<\/em>) = 3 \/ π &approx; 0,955<\/p>\n

    Ce r\u00e9sultat fondamental stipule que, dans les conditions d’application les plus parfaites et les plus avantageuses pour le test t<\/em> de Student, le test de Mann-Whitney ne conc\u00e8de qu’une perte marginale de puissance de l’ordre de 4,5 %. L’analyste appliquant le test U aura simplement besoin d’une cohorte de 100 individus pour \u00e9galer le seuil de discrimination que le test t<\/em> atteindrait avec 95 individus sous stricte normalit\u00e9.<\/p>\n

    \u00c0 l’inverse, d\u00e8s lors que l’on s’\u00e9carte du cadre gaussien, la dynamique de puissance bascule spectaculairement en faveur du test de Mann-Whitney. Face \u00e0 des distributions \u00e0 queues lourdes ou leptokurtiques (telles que la distribution de Laplace, la loi logistique, ou des mod\u00e8les de m\u00e9langes gaussiens contamin\u00e9s par des art\u00e9facts d’\u00e9chantillonnage), l’ERA du test U surpasse syst\u00e9matiquement l’unit\u00e9, atteignant fr\u00e9quemment des valeurs comprises entre 1,10 et 1,50. Dans des sc\u00e9narios de forte asym\u00e9trie caract\u00e9ris\u00e9s par des lois exponentielles ou des distributions de Pareto, l’ERA peut cro\u00eetre sans limite th\u00e9orique (tendant vers l’infini). L’arbitrage m\u00e9thodologique ne consiste donc nullement en une perte arbitraire de puissance, mais en une politique d’assurance statistique hautement rentable visant \u00e0 maximiser la probabilit\u00e9 de d\u00e9tection empirique dans les conditions exp\u00e9rimentales r\u00e9elles de laboratoire.<\/p>\n

    2.3 Arbre d\u00e9cisionnel pour le chercheur en psychologie<\/h3>\n

    Afin de pr\u00e9munir les chercheurs en psychologie et en sciences du comportement contre les d\u00e9rives analytiques telles que le braconnage m\u00e9thodologique (p-hacking<\/em>) ou la s\u00e9lection opportuniste de tests apr\u00e8s visualisation graphique, l’\u00e9tablissement d’un protocole d’inf\u00e9rence s\u00e9quentiel s’av\u00e8re indispensable. Le choix entre le test t<\/em> de Student ind\u00e9pendant, sa variante robuste de Welch, ou le test U de Mann-Whitney ne doit jamais reposer sur la recherche complaisante d’une p-valeur significative, mais r\u00e9sulter du cheminement logique dict\u00e9 par la nature des donn\u00e9es observ\u00e9es.<\/p>\n

    Le protocole d\u00e9cisionnel s’articule autour des \u00e9tapes syst\u00e9matiques suivantes :<\/p>\n

      \n
    • \u00c9tape 1 : \u00c9valuation de la m\u00e9trologie et de la taille d’\u00e9chantillon.<\/strong> Si la variable d\u00e9pendante est intrins\u00e8quement ordinale (scores agr\u00e9g\u00e9s sur items Likert, classements cliniques subjectifs), l’orientation vers le test U de Mann-Whitney est imm\u00e9diate et non n\u00e9gociable. Si la variable est quantitative continue, l’analyste recense la taille des effectifs : des effectifs par cellule inf\u00e9rieurs \u00e0 15 interdisent l’invocation robuste du th\u00e9or\u00e8me central limite pour compenser les asym\u00e9tries morphologiques.<\/li>\n
    • \u00c9tape 2 : Test formel de l’hypoth\u00e8se de normalit\u00e9 univari\u00e9e.<\/strong> L’analyste proc\u00e8de \u00e0 un test de Shapiro-Wilk (ou d’Agostino-Pearson) conjointement \u00e0 l’inspection visuelle des graphiques quantile-quantile (Q-Q plots). Un rejet statistiquement significatif de la normalit\u00e9 (p<\/em> < 0,05), tout particuli\u00e8rement au sein d’\u00e9chantillons de taille r\u00e9duite ou mod\u00e9r\u00e9e, disqualifie l’application du test t<\/em> de Student classique.<\/li>\n
    • \u00c9tape 3 : Diagnostic de l’homosc\u00e9dasticit\u00e9.<\/strong> L’\u00e9quivalence des variances est soumise au test de Levene (ou test de Brown-Forsythe). Si la normalit\u00e9 est approxim\u00e9e mais que les variances divergent significativement, le test t<\/em> de Welch doit supplanter le test de Student standard. Si la non-normalit\u00e9 coexiste avec l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des variances, le recours aux rangs s’impose imp\u00e9rativement.<\/li>\n
    • \u00c9tape 4 : D\u00e9termination de l’inf\u00e9rence cible.<\/strong> Lorsque le test U de Mann-Whitney est retenu, le chercheur doit examiner le profil g\u00e9om\u00e9trique des distributions conjointes par superposition graphique des densit\u00e9s. Si la morphologie g\u00e9n\u00e9rale est homologue (conservation de la sym\u00e9trie relative et de la dispersion), le test valide formellement une diff\u00e9rence entre les m\u00e9dianes de population. Dans le cas contraire, le chercheur documentera rigoureusement le verdict en termes de dominance stochastique ordinale globale.<\/li>\n<\/ul>\n

      3. Formulation formelle des hypoth\u00e8ses statistiques<\/h2>\n

      3.1 Hypoth\u00e8se nulle (H0) et alternatives de recherche (H1)<\/h3>\n

      La transcription des interrogations scientifiques en conjectures probabilistes testables constitue le socle indispensable de l’inf\u00e9rence de Neyman-Pearson. Dans le cadre th\u00e9orique du test U de Mann-Whitney, l’expression formelle des hypoth\u00e8ses s’articule autour de fonctions de r\u00e9partition cumul\u00e9e r\u00e9gissant le comportement probabiliste des deux populations soumises \u00e0 investigation, que nous d\u00e9signerons conventionnellement par F<\/em>1<\/sub>(x<\/em>) et F<\/em>2<\/sub>(x<\/em>).<\/p>\n

      L’hypoth\u00e8se nulle, d\u00e9sign\u00e9e par H<\/em>0<\/sub>, postule l’\u00e9quivalence stochastique parfaite des deux populations d’origine. Sur le plan formel de la th\u00e9orie des probabilit\u00e9s, elle s’\u00e9nonce selon la relation :<\/p>\n

      H<\/em>0<\/sub> : F<\/em>1<\/sub>(x<\/em>) = F<\/em>2<\/sub>(x<\/em>), pour tout x<\/em> appartenant \u00e0 l’ensemble des r\u00e9els ℜ<\/p>\n

      Cette \u00e9galit\u00e9 stricte stipule que la distribution conjointe ne subit aucun glissement ni aucune distorsion structurelle imputable \u00e0 la variable ind\u00e9pendante de classification. En termes probabilistes concrets, si l’on extrait de mani\u00e8re ind\u00e9pendante et al\u00e9atoire une observation individuelle X<\/em> issue de la population 1 et une observation Y<\/em> issue de la population 2, l’hypoth\u00e8se nulle pose l’indiff\u00e9rence de pr\u00e9c\u00e9dence directionnelle :<\/p>\n

      H<\/em>0<\/sub> : P<\/em>(X<\/em> > Y<\/em>) = P<\/em>(Y<\/em> > X<\/em>) = 0,50<\/p>\n

      La formulation de l’hypoth\u00e8se alternative de recherche, not\u00e9e H<\/em>1<\/sub>, varie selon que l’orientation d\u00e9ductive d\u00e9rive d’une exploration purement ouverte ou d’un cadre th\u00e9orique a priori solidement balis\u00e9 :<\/p>\n

        \n
      • Hypoth\u00e8se bilat\u00e9rale (non directionnelle) :<\/strong> Retenue par d\u00e9faut en l’absence de pr\u00e9diction quant \u00e0 la trajectoire de l’effet exp\u00e9rimental, elle stipule que les deux distributions ne sont pas identiques, induisant une asym\u00e9trie de pr\u00e9c\u00e9dence stochastique :
        \n
        H<\/em>1<\/sub> : F<\/em>1<\/sub>(x<\/em>) ≠ F<\/em>2<\/sub>(x<\/em>) pour au moins une valeur de x<\/em>, soit P<\/em>(X<\/em> > Y<\/em>) ≠ 0,50.<\/li>\n
      • Hypoth\u00e8ses unilat\u00e9rales (directionnelles) :<\/strong> Adopt\u00e9es lorsque le socle th\u00e9orique de la psychologie contemporaine stipule qu’une condition d\u00e9termin\u00e9e doit n\u00e9cessairement abaisser ou exacerber la magnitude de la r\u00e9ponse comportementale. Elles se traduisent par une relation d’in\u00e9galit\u00e9 stochastique univoque :
        \n
        H<\/em>1<\/sub> : P<\/em>(X<\/em> > Y<\/em>) > 0,50 (hypoth\u00e8se unilat\u00e9rale droite) ou H<\/em>1<\/sub> : P<\/em>(X<\/em> > Y<\/em>) < 0,50 (hypoth\u00e8se unilat\u00e9rale gauche).<\/li>\n<\/ul>\n

        Il est imp\u00e9ratif pour l’analyste de ne pas op\u00e9rer d’assimilation h\u00e2tive entre dominance stochastique et translation stricte de param\u00e8tres ponctuels. R\u00e9duire abusivement l’\u00e9nonc\u00e9 de H<\/em>0<\/sub> \u00e0 l’\u00e9galit\u00e9 des m\u00e9dianes empiriques (Md<\/em>1<\/sub> = Md<\/em>2<\/sub>) trahit la nature math\u00e9matique intrins\u00e8que du test U, sauf \u00e0 avoir d\u00e9montr\u00e9 au pr\u00e9alable la g\u00e9mellit\u00e9 morphologique absolue des deux fonctions de densit\u00e9 empirique.<\/p>\n

        3.2 Seuils de significativit\u00e9 et gestion du risque alpha<\/h3>\n

        L’administration op\u00e9rationnelle du test exige la calibration pr\u00e9cise du seuil de tol\u00e9rance \u00e0 l’erreur probabiliste de premi\u00e8re esp\u00e8ce, universellement formalis\u00e9 par le symbole α. Ce coefficient repr\u00e9sente le risque consenti par l’exp\u00e9rimentateur de rejeter fallacieusement l’hypoth\u00e8se nulle d’\u00e9quivalence stochastique alors m\u00eame que celle-ci s’av\u00e8re mat\u00e9riellement vraie dans la population parente. Dans le champ des sciences humaines et comportementales, la convention m\u00e9thodologique institu\u00e9e par Ronald Fisher impose un ancrage \u00e0 un seuil nominal α = 0,05 (ou 5 %), correspondant \u00e0 un intervalle de confiance bilat\u00e9ral de 95 %. Dans les contextes de recherche m\u00e9dicale critique, d’essais pharmacologiques ou d’\u00e9tudes neuroscientifiques \u00e0 haute densit\u00e9 spatiale, ce niveau d’exigence est r\u00e9guli\u00e8rement resserr\u00e9 \u00e0 α = 0,01 ou α = 0,001.<\/p>\n

        Toutefois, la gestion du risque alpha devient consid\u00e9rablement plus complexe d\u00e8s lors que le chercheur proc\u00e8de \u00e0 des \u00e9valuations s\u00e9rielles ou \u00e0 des comparaisons multiples au sein d’une m\u00eame matrice factorielle. Chaque r\u00e9plication ind\u00e9pendante d’un test inf\u00e9rentiel accro\u00eet m\u00e9caniquement le risque global cumul\u00e9 d’erreur de premi\u00e8re esp\u00e8ce (l’erreur de type I globale de l’exp\u00e9rience, d\u00e9sign\u00e9e par family-wise error rate<\/em> – FWER), mod\u00e9lis\u00e9 par l’expression αglobal<\/sub> = 1 – (1 – α)k<\/em><\/sup>, o\u00f9 k<\/em> figure le nombre total de contrastes statistiques ex\u00e9cut\u00e9s. Face \u00e0 dix comparaisons successives, le risque de g\u00e9n\u00e9rer artificiellement un r\u00e9sultat faux positif exc\u00e8de ainsi les 40 % sous l’hypoth\u00e8se nulle globale.<\/p>\n

        Pour juguler cette d\u00e9rive sans recourir \u00e0 des progiciels sp\u00e9cialis\u00e9s, le chercheur travaillant sur tableur Excel est tenu de programmer les correctifs math\u00e9matiques d’ajustement du seuil critique de rejet. La proc\u00e9dure la plus conservatrice et classique demeure l’in\u00e9galit\u00e9 de Boole-Bonferroni, qui prescrit l’utilisation d’un seuil corrig\u00e9 local :<\/p>\n

        αcorrig\u00e9<\/sub> = αnominal<\/sub> \/ k<\/em><\/p>\n

        D’autres approches plus sophistiqu\u00e9es, \u00e0 l’instar de la m\u00e9thode s\u00e9quentielle descendante de Holm-Bonferroni, gagnent \u00e0 \u00eatre impl\u00e9ment\u00e9es via des fonctions logiques conditionnelles sous Excel afin d’optimiser le compromis entre la ma\u00eetrise imp\u00e9rative du risque alpha et la pr\u00e9servation de la puissance statistique globale face au risque d’erreur de type II (β), garantissant une rigueur \u00e9pist\u00e9mologique totale au protocole d’analyse.<\/p>\n

        4. Architecture math\u00e9matique et algorithme du calcul de la statistique U<\/h2>\n

        4.1 M\u00e9canisme d’ordonnancement et fusion des s\u00e9ries<\/h3>\n

        L’architecture logique du test U de Mann-Whitney repose sur une proc\u00e9dure s\u00e9quentielle rigoureuse dont la premi\u00e8re phase computationnelle consiste en l’amalgame total des structures de donn\u00e9es observ\u00e9es au sein des deux sous-populations d’int\u00e9r\u00eat. Soient deux ensembles d’observations empiriques distincts, d\u00e9sign\u00e9s formellement par :<\/p>\n

        X<\/em> = {x<\/em>1<\/sub>, x<\/em>2<\/sub>, …, x<\/em>n<\/em>1<\/sub>} et Y<\/em> = {y<\/em>1<\/sub>, y<\/em>2<\/sub>, …, y<\/em>n<\/em>2<\/sub>}<\/p>\n

        La premi\u00e8re op\u00e9ration math\u00e9matique consiste \u00e0 d\u00e9river un m\u00e9ta-ensemble unifi\u00e9, not\u00e9 Z<\/em>, issu de l’union ensembliste directe des vecteurs de donn\u00e9es brutes :<\/p>\n

        Z<\/em> = X<\/em> ∪ Y<\/em> = {z<\/em>1<\/sub>, z<\/em>2<\/sub>, …, z<\/em>N<\/em><\/sub>}, avec un effectif d’\u00e9chantillonnage combin\u00e9 N<\/em> = n<\/em>1<\/sub> + n<\/em>2<\/sub><\/p>\n

        Une fois cette consolidation matricielle r\u00e9alis\u00e9e, l’ensemble unifi\u00e9 Z<\/em> est assujetti \u00e0 une fonction de tri bijectif strictement croissant, ordonnant les \u00e9l\u00e9ments selon la cha\u00eene de relations : z<\/em>(1)<\/sub> ≤ z<\/em>(2)<\/sub> ≤ … ≤ z<\/em>(N<\/em>)<\/sub>. C’est sur cette suite s\u00e9quentielle globale, et sans consid\u00e9rer \u00e0 ce stade l’\u00e9tiquette d’appartenance institutionnelle des individus \u00e0 la condition exp\u00e9rimentale ou t\u00e9moin, qu’intervient l’attribution syst\u00e9matique des indices ordinaux ou \u00ab rangs \u00bb.<\/p>\n

        \u00c0 chaque point de donn\u00e9e z<\/em>(i<\/em>)<\/sub> situ\u00e9 sur le continuum ainsi ordonn\u00e9, l’algorithme associe un rang entier naturel discret, not\u00e9 r<\/em>(z<\/em>(i<\/em>)<\/sub>) = i<\/em>, balayant l’intervalle ferm\u00e9 des entiers de [1, N<\/em>]. Les observations les plus faibles sur l’\u00e9chelle m\u00e9trique se voient allouer les rangs initiaux unitaires les plus petits, tandis que les scores de haute magnitude captent les rangs finaux les plus \u00e9lev\u00e9s. Une fois cette \u00e9tape de labellisation ordinale parachev\u00e9e, les identifiants d’appartenance aux groupes exp\u00e9rimentaux initiaux sont r\u00e9tablis \u00e0 des fins d’agr\u00e9gation partitionn\u00e9e.<\/p>\n

        4.2 Algorithme de traitement des valeurs ex \u00e6quo (liens)<\/h3>\n

        Dans l’analyse quantitative de donn\u00e9es r\u00e9elles, particuli\u00e8rement lorsqu’elles proc\u00e8dent d’\u00e9chelles de mesure discr\u00e8tes ou d’\u00e9valuations psychom\u00e9triques \u00e0 granularit\u00e9 limit\u00e9e, la probabilit\u00e9 th\u00e9orique d’observer des valeurs identiques \u2014 d\u00e9nomm\u00e9es classiquement \u00ab ex æquo \u00bb ou \u00ab rangs li\u00e9s \u00bb (tied ranks<\/em>) \u2014 est extr\u00eamement \u00e9lev\u00e9e. L’apparition de donn\u00e9es num\u00e9riques strictement superposables complique l’assignation s\u00e9quentielle simple et impose l’application d’un algorithme d\u00e9terministe standardis\u00e9 : la m\u00e9thode du rang moyen arithm\u00e9tique.<\/p>\n

        Soit un ensemble de t<\/em> observations empiriques pr\u00e9sentant une identit\u00e9 m\u00e9trique parfaite au sein de la s\u00e9rie fusionn\u00e9e globale ordonn\u00e9e, monopolisant cons\u00e9cutivement les positions d’indices ordinaux allant de la position p<\/em> \u00e0 la position p<\/em> + t<\/em> – 1. L’\u00e9quit\u00e9 math\u00e9matique prohibant toute assignation asym\u00e9trique arbitraire du rang entre des grandeurs identiques, le mod\u00e8le leur alloue uniform\u00e9ment le rang moyen arithm\u00e9tique de leurs positions th\u00e9oriques concurrentes :<\/p>\n

        r<\/em>moyen<\/sub> = [ ∑j<\/em>=0<\/sub>t<\/em>-1<\/sup> (p<\/em> + j<\/em>) ] \/ t<\/em> = [p<\/em> + (p<\/em> + t<\/em> – 1)] \/ 2<\/p>\n

        \u00c0 titre d’illustration, si les valeurs se classant virtuellement aux positions s\u00e9quentielles 4, 5 et 6 sont strictement \u00e9gales au nombre 18, le rang affect\u00e9 \u00e0 chacune de ces trois observations sera identiquement \u00e9valu\u00e9 \u00e0 (4 + 5 + 6) \/ 3 = 5,0. Si deux scores partagent les positions ordinales 7 et 8, le rang conjoint attribu\u00e9 deviendra (7 + 8) \/ 2 = 7,5.<\/p>\n

        Si la pr\u00e9sence de rangs li\u00e9s n’alt\u00e8re aucunement l’esp\u00e9rance math\u00e9matique th\u00e9orique de la somme des rangs, elle engendre une distorsion m\u00e9canique non n\u00e9gligeable : elle r\u00e9duit artificiellement la variance globale de la distribution conjointe des rangs. Lorsque le nombre de liens devient pr\u00e9pond\u00e9rant au sein de la matrice, l’absence de compensation num\u00e9rique biaise le calcul de l’erreur standard de la statistique U sous sa forme asymptotique continue. Pour pallier cette att\u00e9nuation de dispersion, une \u00e9quation d’ajustement correctif formalis\u00e9e par la th\u00e9orie des rangs doit \u00eatre introduite, int\u00e9grant un facteur de correction d\u00e9fini par la somme pond\u00e9r\u00e9e des agr\u00e9gats de liens :<\/p>\n

        ∑ (t<\/em>k<\/em><\/sub>3<\/sup> – t<\/em>k<\/em><\/sub>)<\/p>\n

        o\u00f9 t<\/em>k<\/em><\/sub> repr\u00e9sente la cardinalit\u00e9 de chaque sous-ensemble k<\/em> d’observations identiques.<\/p>\n

        4.3 Calcul analytique des grandeurs U1 et U2<\/h3>\n

        L’estimation quantitative directe de la discrimination stochastique s’op\u00e8re par le d\u00e9nombrement pond\u00e9r\u00e9 de la contribution ordinale de chaque groupe, concr\u00e9tis\u00e9e par la sommation conditionnelle de leurs rangs respectifs au sein de l’architecture matricielle fusionn\u00e9e. On note traditionnellement :<\/p>\n

        R<\/em>1<\/sub> = ∑ r<\/em>(x<\/em>i<\/em><\/sub>) et R<\/em>2<\/sub> = ∑ r<\/em>(y<\/em>j<\/em><\/sub>)<\/p>\n

        La d\u00e9rivation des statistiques partielles U<\/em>1<\/sub> et U<\/em>2<\/sub>, qui quantifient respectivement le volume de dominance empirique du premier groupe sur le second et r\u00e9ciproquement, s’effectue au moyen des relations canoniques \u00e9tablies par Mann et Whitney :<\/p>\n

        U<\/em>1<\/sub> = n<\/em>1<\/sub>n<\/em>2<\/sub> + [n<\/em>1<\/sub>(n<\/em>1<\/sub> + 1) \/ 2] – R<\/em>1<\/sub><\/p>\n

        U<\/em>2<\/sub> = n<\/em>1<\/sub>n<\/em>2<\/sub> + [n<\/em>2<\/sub>(n<\/em>2<\/sub> + 1) \/ 2] – R<\/em>2<\/sub><\/p>\n

        Ces formulations int\u00e8grent un principe correctif \u00e9l\u00e9gant : le terme [n<\/em>i<\/em><\/sub>(n<\/em>i<\/em><\/sub> + 1) \/ 2] correspond \u00e0 la somme des entiers cons\u00e9cutifs de 1 \u00e0 n<\/em>i<\/em><\/sub>, incarnant la borne minimale absolue de rangs cumul\u00e9s qu’un groupe pourrait math\u00e9matiquement obtenir s’il confisquait l’int\u00e9gralit\u00e9 des premi\u00e8res positions ordonn\u00e9es. La soustraction de cette borne th\u00e9orique \u00e0 la somme brute observ\u00e9e permet d’isoler le d\u00e9compte exact des sup\u00e9riorit\u00e9s stochastiques inter-groupes.<\/p>\n

        Une propri\u00e9t\u00e9 alg\u00e9brique remarquable fournit \u00e0 l’analyste un th\u00e9or\u00e8me de v\u00e9rification crois\u00e9e absolue, indispensable pour valider la cha\u00eene de traitement matricielle dans un environnement de calcul ouvert :<\/p>\n

        U<\/em>1<\/sub> + U<\/em>2<\/sub> = n<\/em>1<\/sub>n<\/em>2<\/sub><\/p>\n

        La somme arithm\u00e9tique des deux grandeurs U<\/em> calcul\u00e9es doit rigoureusement co\u00efncider avec l’espace produit des tailles d’\u00e9chantillons, soit le nombre th\u00e9orique total de paires formables entre les deux groupes. Toute divergence num\u00e9rique par rapport \u00e0 cette \u00e9galit\u00e9 d\u00e9terministe atteste d’une alt\u00e9ration computationnelle dans l’attribution des rangs ou la sommation matricielle. Enfin, la statistique de d\u00e9cision finale retenue pour interroger les distributions de probabilit\u00e9 et trancher sur l’hypoth\u00e8se nulle d’indiff\u00e9rence est d\u00e9finie par le minimum empirique du couple de valeurs :<\/p>\n

        U<\/em> = min(U<\/em>1<\/sub>, U<\/em>2<\/sub>)<\/p>\n

        5. Pr\u00e9paration m\u00e9thodique du jeu de donn\u00e9es dans Microsoft Excel<\/h2>\n

        5.1 Structuration ergonomique des feuilles de calcul<\/h3>\n

        La fiabilit\u00e9 de l’instrumentation statistique au sein de Microsoft Excel est conditionn\u00e9e par l’adoption d’un paradigme de mod\u00e9lisation tabulaire rigoureux. Deux architectures de structuration des matrices empiriques s’affrontent classiquement dans les pratiques de laboratoire : le \u00ab format large \u00bb (wide format<\/em>) et le \u00ab format long \u00bb (long format<\/em> ou format tabulaire normalis\u00e9).<\/p>\n

        \"Data
        Data divided into two columns in Excel<\/figcaption><\/figure>\n

        Le format large assigne une colonne exclusive \u00e0 chaque condition exp\u00e9rimentale (par exemple, la colonne A allou\u00e9e aux observations du \u00ab Groupe Contr\u00f4le \u00bb et la colonne B allou\u00e9e aux mesures du \u00ab Groupe Exp\u00e9rimental \u00bb). Si cette configuration pr\u00e9sente un attrait visuel intuitif pour les praticiens non sp\u00e9cialistes, elle s’av\u00e8re particuli\u00e8rement inadapt\u00e9e et p\u00e9rilleuse d\u00e8s lors qu’il s’agit d’appliquer des fonctions d’indexation vectorielle ou d’automatiser des classements par rangs sans multiplier les manipulations manuelles de coupure et collage.<\/p>\n

        \u00c0 l’inverse, le format long constitue le standard professionnel absolu, pr\u00e9conis\u00e9 tant en ing\u00e9nierie de donn\u00e9es qu’en biostatistique internationale. Il organise la feuille de calcul selon une structure invariante \u00e0 deux colonnes analytiques directes :<\/p>\n

          \n
        • Colonne A (Identifiant factoriel \/ Groupe) :<\/strong> Contient les \u00e9tiquettes textuelles ou num\u00e9riques d\u00e9finissant strictement le niveau de la variable ind\u00e9pendante pour chaque participant (ex. \u00ab Contr\u00f4le \u00bb versus \u00ab Traitement \u00bb, ou codes discrets \u00ab 1 \u00bb et \u00ab 2 \u00bb).<\/li>\n
        • Colonne B (Variable d\u00e9pendante \/ Score brut) :<\/strong> Accueille sur une trajectoire verticale continue l’ensemble des scores m\u00e9triques ou ordinaux recueillis, chaque ligne incarnant une unit\u00e9 observationnelle unique et indivisible.<\/li>\n<\/ul>\n

          Cette s\u00e9gr\u00e9gation spatiale stricte garantit l’int\u00e9grit\u00e9 r\u00e9f\u00e9rentielle des donn\u00e9es sources et permet de cantonner les zones de calcul computationnel d\u00e9riv\u00e9 (rangs, param\u00e8tres interm\u00e9diaires, tableau de bord d’inf\u00e9rence) dans des plages disjointes (ex. colonnes C, D et tableaux lat\u00e9raux), \u00e9vitant tout risque d’\u00e9crasement ou d’\u00e9cueil algorithmique li\u00e9 \u00e0 la pr\u00e9sence de donn\u00e9es mixtes au sein des m\u00eames vecteurs de traitement.<\/p>\n

          5.2 Protocole de contr\u00f4le de la qualit\u00e9 des donn\u00e9es<\/h3>\n

          Pr\u00e9alablement \u00e0 toute vell\u00e9it\u00e9 d’inf\u00e9rence, un audit m\u00e9thodique de salubrit\u00e9 de la feuille Excel s’impose imp\u00e9rativement. Le tableur Microsoft, par son absence native de typage strict des variables, expose le chercheur \u00e0 des \u00e9cueils insidieux susceptibles de fausser int\u00e9gralement les calculs math\u00e9matiques subs\u00e9quents \u00e0 l’insu de l’op\u00e9rateur.<\/p>\n

          Le premier point de contr\u00f4le porte sur la d\u00e9tection des cha\u00eenes textuelles invisibles et des espaces parasites. Une cellule num\u00e9rique contamin\u00e9e par une espace ins\u00e9cable ou pr\u00e9c\u00e9d\u00e9e d’une apostrophe est silencieusement interpr\u00e9t\u00e9e par Excel comme une cha\u00eene textuelle non convertible, entra\u00eenant son exclusion automatique et opaque de fonctions d’agr\u00e9gation cl\u00e9s telles que SOMME<\/code>, NB<\/code> ou RANG.MOYENNE<\/code>. L’application de r\u00e8gles de mise en forme conditionnelle signalant par coloration dynamique les cellules r\u00e9pondant au crit\u00e8re =ESTTEXTE(cellule)<\/code> au sein de la colonne des scores permet d’intercepter imm\u00e9diatement ces anomalies m\u00e9trologiques.<\/p>\n

          Le second verrou m\u00e9thodologique rel\u00e8ve du traitement des cellules vides et de la tra\u00e7abilit\u00e9 des exclusions d’\u00e9chantillonnage. En conformit\u00e9 avec les standards d\u00e9ontologiques de recherche en psychologie, aucune suppression arbitraire d’observation discordante ne doit \u00eatre op\u00e9r\u00e9e sans documentation explicite. L’analyste exploitera le module de \u00ab Validation des donn\u00e9es \u00bb d’Excel pour verrouiller la plage d’admissibilit\u00e9 des scores num\u00e9riques (d\u00e9finition des bornes d’\u00e9chelles physiologiquement ou psychom\u00e9triquement possibles) et figer les plages de coordonn\u00e9es \u00e0 l’aide de r\u00e9f\u00e9rences absolues formalis\u00e9es par le symbole $<\/code>, neutralisant toute d\u00e9rive d’indexation lors des processus d’\u00e9tirement de formules complexes.<\/p>\n

          5.3 Pr\u00e9sentation du cas d’\u00e9tude empirique en psychologie<\/h3>\n

          Pour fonder notre d\u00e9monstration pratique sur une assise empirique tangible, nous mobilisons un protocole exp\u00e9rimental classique issu de la neuropsychologie cognitive : l’\u00e9valuation de l’impact d’une induction aigu\u00eb d’anxi\u00e9t\u00e9 sur l’efficience du contr\u00f4le ex\u00e9cutif, op\u00e9rationnalis\u00e9e par la mesure du temps de r\u00e9action (exprim\u00e9 en millisecondes) lors d’une t\u00e2che de compatibilit\u00e9 cognitive de type Stroop.<\/p>\n

          Le plan factoriel repose sur un sch\u00e9ma univari\u00e9 inter-sujets \u00e0 deux conditions ind\u00e9pendantes :<\/p>\n

            \n
          • Groupe 1 (Condition Contr\u00f4le) :<\/strong> n<\/em>1<\/sub> = 12 participants adultes soumis \u00e0 la t\u00e2che cognitive dans un environnement acoustique et psychosocial neutre et apais\u00e9.<\/li>\n
          • Groupe 2 (Condition Exp\u00e9rimentale \/ Stress aigu) :<\/strong> n<\/em>2<\/sub> = 12 participants adultes soumis \u00e0 la m\u00eame t\u00e2che en pr\u00e9sence d’un stresseur psychosocial standardis\u00e9 (protocole d’\u00e9valuation sociale mena\u00e7ante fond\u00e9 sur le Trier Social Stress Test<\/em>).<\/li>\n<\/ul>\n

            La l\u00e9gitimit\u00e9 du recours au test U de Mann-Whitney s’av\u00e8re ici m\u00e9thodologiquement irr\u00e9prochable : les temps de r\u00e9action chronom\u00e9triques exhibent chroniquement une asym\u00e9trie positive majeure (longue tra\u00eene droite g\u00e9n\u00e9r\u00e9e par des acc\u00e8s attentionnels tardifs), et la taille modeste de chaque sous-cohorte (12 unit\u00e9s exp\u00e9rimentales par cellule, soit une taille globale d’\u00e9chantillon N<\/em> = 24) invalide l’hypoth\u00e8se de normalit\u00e9 et proscrit formellement le recours au test t<\/em> de Student classique.<\/p>\n

            Voici la transcription int\u00e9grale du tableau d’observations empiriques pr\u00eat \u00e0 \u00eatre instanci\u00e9 dans la feuille de calcul Microsoft Excel :<\/p>\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n
            Identifiant Sujet<\/th>\nGroupe Exp\u00e9rimental<\/th>\nTemps de R\u00e9action (ms)<\/th>\n<\/tr>\n<\/thead>\n
            S01<\/td>\nContr\u00f4le<\/td>\n412<\/td>\n<\/tr>\n
            S02<\/td>\nContr\u00f4le<\/td>\n435<\/td>\n<\/tr>\n
            S03<\/td>\nContr\u00f4le<\/td>\n458<\/td>\n<\/tr>\n
            S04<\/td>\nContr\u00f4le<\/td>\n420<\/td>\n<\/tr>\n
            S05<\/td>\nContr\u00f4le<\/td>\n478<\/td>\n<\/tr>\n
            S06<\/td>\nContr\u00f4le<\/td>\n395<\/td>\n<\/tr>\n
            S07<\/td>\nContr\u00f4le<\/td>\n510<\/td>\n<\/tr>\n
            S08<\/td>\nContr\u00f4le<\/td>\n442<\/td>\n<\/tr>\n
            S09<\/td>\nContr\u00f4le<\/td>\n460<\/td>\n<\/tr>\n
            S10<\/td>\nContr\u00f4le<\/td>\n485<\/td>\n<\/tr>\n
            S11<\/td>\nContr\u00f4le<\/td>\n430<\/td>\n<\/tr>\n
            S12<\/td>\nContr\u00f4le<\/td>\n465<\/td>\n<\/tr>\n
            S13<\/td>\nStress<\/td>\n470<\/td>\n<\/tr>\n
            S14<\/td>\nStress<\/td>\n515<\/td>\n<\/tr>\n
            S15<\/td>\nStress<\/td>\n540<\/td>\n<\/tr>\n
            S16<\/td>\nStress<\/td>\n460<\/td>\n<\/tr>\n
            S17<\/td>\nStress<\/td>\n525<\/td>\n<\/tr>\n
            S18<\/td>\nStress<\/td>\n580<\/td>\n<\/tr>\n
            S19<\/td>\nStress<\/td>\n490<\/td>\n<\/tr>\n
            S20<\/td>\nStress<\/td>\n530<\/td>\n<\/tr>\n
            S21<\/td>\nStress<\/td>\n475<\/td>\n<\/tr>\n
            S22<\/td>\nStress<\/td>\n610<\/td>\n<\/tr>\n
            S23<\/td>\nStress<\/td>\n505<\/td>\n<\/tr>\n
            S24<\/td>\nStress<\/td>\n565<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

            Notons d’embl\u00e9e la pr\u00e9sence intentionnelle d’une valeur identique au sein de ce protocole : le score m\u00e9trique 460 appara\u00eet simultan\u00e9ment chez le participant S09 (Groupe Contr\u00f4le) et le participant S16 (Groupe Stress), offrant un cadre empirique parfait pour illustrer le traitement algorithmique des rangs li\u00e9s.<\/p>\n

            6. Calcul pas \u00e0 pas des rangs via les fonctions natives d’Excel<\/h2>\n

            6.1 Utilisation rigoureuse de la fonction RANG.MOYENNE<\/h3>\n

            Le d\u00e9ploiement rigoureux du test de Mann-Whitney sous Microsoft Excel d\u00e9pend de la ma\u00eetrise syntaxique et conceptuelle des fonctions d\u00e9di\u00e9es \u00e0 l’\u00e9valuation ordinale. Le tableur offre historiquement deux fonctions distinctes d’affectation de rangs : RANG.EQ<\/code> (ou l’ancienne d\u00e9nomination RANG<\/code>) et RANG.MOYENNE<\/code> (traduction fran\u00e7aise officielle de la fonction internationale RANK.AVG<\/code>). La s\u00e9lection entre ces deux instructions est d’une port\u00e9e critique d\u00e9terminante.<\/p>\n

            La fonction RANG.EQ<\/code> alloue \u00e0 l’ensemble des observations ex æquo le rang structural sup\u00e9rieur absolu sans consid\u00e9ration de leur dispersion ordinale conjointe. Ainsi, deux observations se disputant les positions s\u00e9quentielles 4 et 5 se verraient attribuer toutes deux le rang brut 4. Cette modalit\u00e9 brise irr\u00e9m\u00e9diablement le postulat de conservation de la somme th\u00e9orique globale des rangs formul\u00e9e par Gauss, faussant de fait l’ensemble des \u00e9quations analytiques subs\u00e9quentes de Mann-Whitney. Il est donc imp\u00e9ratif de proscrire RANG.EQ<\/code> et d’exploiter exclusivement et universellement la fonction RANG.MOYENNE<\/code>.<\/p>\n

            \"Mann
            Mann Whitney U test ranks in Excel<\/figcaption><\/figure>\n

            La syntaxe canonique de l’instruction RANG.MOYENNE<\/code> se d\u00e9cline en trois arguments formels :<\/p>\n

            =RANG.MOYENNE(nombre; r\u00e9f\u00e9rence; [ordre])<\/code><\/p>\n

            Pour appliquer cette instruction sur notre colonne consolid\u00e9e de donn\u00e9es empiriques (localis\u00e9e sur la plage de cellules C2:C25<\/code>), l’analyste se positionne sur la cellule D2<\/code> et formule l’expression algorithmique suivante :<\/p>\n

            =RANG.MOYENNE(C2; $C$<\/span>2:$C$<\/span>25; 1)<\/code><\/p>\n

            L’argument C2<\/code> d\u00e9signe la valeur observationnelle individuelle cibl\u00e9e par l’\u00e9valuation ordinale. L’argument $C$<\/span>2:$C$<\/span>25<\/code> circonscrit le vecteur de r\u00e9f\u00e9rence englobant l’int\u00e9gralit\u00e9 des observations combin\u00e9es des deux groupes exp\u00e9rimentaux : l’insertion imp\u00e9rative des symboles $<\/code> fige la plage m\u00e9moire, garantissant qu’aucun glissement de matrice ne survienne lors de la duplication verticale de la formule. Enfin, le troisi\u00e8me argument est r\u00e9solument fix\u00e9 au chiffre 1<\/code>. Ce param\u00e8tre ordonne \u00e0 Excel d’attribuer les rangs selon un gradient croissant (la plus petite valeur empirique recevant le rang 1). L’omission par d\u00e9faut de ce param\u00e8tre ou l’insertion erron\u00e9e du chiffre 0<\/code> d\u00e9clencherait un ordonnancement d\u00e9croissant, inversant artificiellement la direction de la dominance stochastique.<\/p>\n

            Une fois \u00e9tir\u00e9e verticalement jusqu’\u00e0 la cellule D25<\/code>, cette formule d\u00e9livre le rang exact associ\u00e9 \u00e0 chaque individu. Les scores 460 des sujets S09 et S16, occupant conjointement les positions ordinales 10 et 11 du vecteur global tri\u00e9, se voient ainsi allouer automatiquement le rang moyen :<\/p>\n

            (10 + 11) \/ 2 = 10,5<\/p>\n

            ce qui valide la conformit\u00e9 math\u00e9matique absolue de l’ex\u00e9cution algorithmique sous-jacente.<\/p>\n

            6.2 Automatisation de la fusion des donn\u00e9es sans manipulation manuelle<\/h3>\n

            Dans les versions contemporaines de Microsoft Excel (int\u00e9grant le moteur de calcul matriciel dynamique de Microsoft 365 et d’Office 2021), l’analyste n’est plus contraint d’organiser manuellement les donn\u00e9es sources en une colonne unique amalgam\u00e9e. L’\u00e9mergence des fonctions vectorielles avanc\u00e9es autorise d\u00e9sormais une architecture modulaire et adaptative au sein de laquelle les donn\u00e9es des groupes peuvent r\u00e9sider dans des colonnes s\u00e9par\u00e9es, tout en \u00e9tant fusionn\u00e9es dynamiquement en m\u00e9moire vive pour le calcul transverse des rangs.<\/p>\n

            Supposons que les donn\u00e9es brutes du Groupe Contr\u00f4le soient h\u00e9berg\u00e9es sur la plage A2:A13<\/code> et que celles du Groupe Stress r\u00e9sident sur la plage B2:B13<\/code>. L’instruction matricielle moderne EMPILERV<\/code> (\u00e9quivalent fran\u00e7ais de VSTACK<\/code>) permet de g\u00e9n\u00e9rer instantan\u00e9ment le vecteur fusionn\u00e9 sans la moindre op\u00e9ration de collage :<\/p>\n

            =EMPILERV(A2:A13; B2:B13)<\/code><\/p>\n

            D\u00e8s lors, pour d\u00e9terminer directement les rangs associ\u00e9s aux observations du Groupe Contr\u00f4le au sein de la matrice globale combin\u00e9e sans cr\u00e9er physiquement de troisi\u00e8me colonne interm\u00e9diaire, l’analyste peut impl\u00e9menter la formule matricielle suivante en cellule C2<\/code>, qui se propagera spontan\u00e9ment vers le bas (ph\u00e9nom\u00e8ne de d\u00e9versement matriciel dynamique ou spillover<\/em>) :<\/p>\n

            =RANG.MOYENNE(A2:A13; EMPILERV($A$<\/span>2:$A$<\/span>13; $B$<\/span>2:$B$<\/span>13); 1)<\/code><\/p>\n

            De fa\u00e7on sym\u00e9trique, le calcul des rangs affect\u00e9s aux observations du Groupe Stress s’obtiendra en cellule D2<\/code> via l’instruction :<\/p>\n

            =RANG.MOYENNE(B2:B13; EMPILERV($A$<\/span>2:$A$<\/span>13; $B$<\/span>2:$B$<\/span>13); 1)<\/code><\/p>\n

            Pour les utilisateurs de versions h\u00e9rit\u00e9es d’Excel (Excel 2019, 2016, 2013), cette flexibilit\u00e9 matricielle dynamique n’\u00e9tant pas disponible de fa\u00e7on native, la m\u00e9thode optimale demeure celle de la consolidation structur\u00e9e pr\u00e9conis\u00e9e au chapitre 5 : le regroupement vertical des donn\u00e9es au sein d’une table unique normalis\u00e9e \u00e0 deux colonnes, compl\u00e9t\u00e9e par l’indexation matricielle explicite via RANG.MOYENNE<\/code>.<\/p>\n

            6.3 Agr\u00e9gation de la somme des rangs par groupe exp\u00e9rimental<\/h3>\n

            L’obtention des sommes de rangs segment\u00e9es par condition exp\u00e9rimentale \u2014 grandeurs formalis\u00e9es par les param\u00e8tres R<\/em>1<\/sub> et R<\/em>2<\/sub> \u2014 constitue l’aboutissement de la s\u00e9quence de traitement ordinale. Cette r\u00e9duction de donn\u00e9es s’op\u00e8re \u00e9l\u00e9gamment via l’application de fonctions conditionnelles natives, \u00e9liminant tout risque d’erreur humaine d’assignation manuelle.<\/p>\n

            Consid\u00e9rant l’architecture standard o\u00f9 la variable de groupement r\u00e9side dans la colonne B<\/code> (plage $B$<\/span>2:$B$<\/span>25<\/code>) et les rangs calcul\u00e9s occupent la colonne D<\/code> (plage $D$<\/span>2:$D$<\/span>25<\/code>), l’analyste d\u00e9die deux cellules sp\u00e9cifiques de son tableau de bord computationnel \u00e0 l’extraction des sommes de rangs :<\/p>\n

              \n
            • Pour la somme des rangs du Groupe Contr\u00f4le (R<\/em>1<\/sub>) en cellule G2 :<\/strong>
              \n =SOMME.SI($B$<\/span>2:$B$<\/span>25; \"Contr\u00f4le\"; $D$<\/span>2:$D$<\/span>25)<\/code><\/li>\n
            • Pour la somme des rangs du Groupe Stress (R<\/em>2<\/sub>) en cellule G3 :<\/strong>
              \n =SOMME.SI($B$<\/span>2:$B$<\/span>25; \"Stress\"; $D$<\/span>2:$D$<\/span>25)<\/code><\/li>\n<\/ul>\n

              Parall\u00e8lement, le d\u00e9nombrement effectif des unit\u00e9s observationnelles composant chaque sous-groupe exp\u00e9rimental doit \u00eatre imp\u00e9rativement instrument\u00e9 via des fonctions logiques, garantissant l’actualisation dynamique du mod\u00e8le en cas d’adjonction ult\u00e9rieure de donn\u00e9es participantes :<\/p>\n

                \n
              • Taille d’\u00e9chantillon du Groupe Contr\u00f4le (n<\/em>1<\/sub>) en cellule H2 :<\/strong>
                \n =NB.SI($B$<\/span>2:$B$<\/span>25; \"Contr\u00f4le\")<\/code><\/li>\n
              • Taille d’\u00e9chantillon du Groupe Stress (n<\/em>2<\/sub>) en cellule H3 :<\/strong>
                \n =NB.SI($B$<\/span>2:$B$<\/span>25; \"Stress\")<\/code><\/li>\n<\/ul>\n

                Avant d’engager la cha\u00eene calculatoire dans la r\u00e9solution des statistiques U partielles, un test d’int\u00e9grit\u00e9 arithm\u00e9tique absolu doit \u00eatre programm\u00e9 au sein du tableur. Ce garde-fou math\u00e9matique exploite l’\u00e9galit\u00e9 s\u00e9culaire r\u00e9gissant la sommation des entiers naturels d’ordre N<\/em> :<\/p>\n

                R<\/em>total<\/sub> = R<\/em>1<\/sub> + R<\/em>2<\/sub> = [N<\/em>(N<\/em> + 1)] \/ 2<\/p>\n

                Dans notre cas d’\u00e9tude (N<\/em> = 24), la somme combin\u00e9e th\u00e9orique des rangs s’\u00e9tablit imp\u00e9rativement \u00e0 [24 × 25] \/ 2 = 300. L’analyste mat\u00e9rialise cette v\u00e9rification logique dans une cellule d\u00e9di\u00e9e en saisissant la formule d’audit bool\u00e9en :<\/p>\n

                =SI((G2+G3)=((H2+H3)*(H2+H3+1))\/2; \"INT\u00c9GRIT\u00c9 VALID\u00c9E\"; \"ERREUR ARITHM\u00c9TIQUE D\u00c9TECT\u00c9E\")<\/code><\/p>\n

                L’ex\u00e9cution de cette formule garantit formellement la pr\u00e9servation des invariants math\u00e9matiques et pr\u00e9vient toute corruption ult\u00e9rieure du protocole inf\u00e9rentiel.<\/p>\n

                7. Impl\u00e9mentation algorithmique du calcul de U dans la feuille de calcul<\/h2>\n

                7.1 Traduction alg\u00e9brique des formules de U1 et U2 sous Excel<\/h3>\n

                D\u00e8s lors que les param\u00e8tres \u00e9l\u00e9mentaires (n<\/em>1<\/sub>, n<\/em>2<\/sub>, R<\/em>1<\/sub>, R<\/em>2<\/sub>) sont s\u00e9questr\u00e9s dans des cellules d\u00e9di\u00e9es parfaitement identifi\u00e9es du tableur, la r\u00e9solution analytique des \u00e9quations structurales de Mann-Whitney s’op\u00e8re par simple transposition syntaxique des relations alg\u00e9briques formalis\u00e9es \u00e0 la section 4.3.<\/p>\n

                \"Mann
                Mann Whitney U test formula in Excel<\/figcaption><\/figure>\n

                En assignant les adresses de cellules d\u00e9finies pr\u00e9c\u00e9demment \u2014 \u00e0 savoir H2<\/code> pour n<\/em>1<\/sub>, H3<\/code> pour n<\/em>2<\/sub>, G2<\/code> pour R<\/em>1<\/sub> et G3<\/code> pour R<\/em>2<\/sub> \u2014, l’analyste impl\u00e9mente la formule de calcul de la premi\u00e8re statistique partielle U<\/em>1<\/sub> au sein de la cellule I2<\/code> :<\/p>\n

                =H2*H3 + (H2*(H2+1))\/2 - G2<\/code><\/p>\n

                De fa\u00e7on rigoureusement sym\u00e9trique, la formule d\u00e9terminant la seconde statistique partielle U<\/em>2<\/sub> est instanci\u00e9e dans la cellule adjacente I3<\/code> :<\/p>\n

                =H2*H3 + (H3*(H3+1))\/2 - G3<\/code><\/p>\n

                \u00c0 ce stade pr\u00e9cis de la mod\u00e9lisation, le th\u00e9or\u00e8me d’orthogonalit\u00e9 crois\u00e9e U<\/em>1<\/sub> + U<\/em>2<\/sub> = n<\/em>1<\/sub>n<\/em>2<\/sub> doit \u00eatre formellement interrog\u00e9 par une instruction logique de validation, garantissant que la machinerie algorithmique n’a subi aucune d\u00e9rive d’op\u00e9rateur alg\u00e9brique :<\/p>\n

                =SI((I2+I3)=(H2*H3); \"CONTR\u00d4LE CROIS\u00c9 CONFORME\"; \"ANOMALIE DE R\u00c9SOLUTION U\")<\/code><\/p>\n

                Enfin, la d\u00e9termination de la statistique de d\u00e9cision finale U<\/em>, destin\u00e9e \u00e0 \u00eatre confront\u00e9e aux tables de rejet probabilistes ou aux fonctions de r\u00e9partition continue, s’obtient au moyen de la fonction standard MIN<\/code>, ins\u00e9r\u00e9e en cellule I4<\/code> :<\/p>\n

                =MIN(I2; I3)<\/code><\/p>\n

                Dans notre protocole exp\u00e9rimental appliqu\u00e9 au temps de r\u00e9action sous stress :<\/p>\n

                  \n
                • Les rangs observ\u00e9s fournissent les sommes empiriques suivantes : R<\/em>1<\/sub> = 104,5 (Groupe Contr\u00f4le) et R<\/em>2<\/sub> = 195,5 (Groupe Stress).<\/li>\n
                • La constante de Gauss pour chaque groupe s’\u00e9value \u00e0 : [12 × 13] \/ 2 = 78.<\/li>\n
                • L’espace produit inter-groupes s’\u00e9tablit \u00e0 : 12 × 12 = 144.<\/li>\n
                • Le calcul matriciel d\u00e9livre :
                  \n
                  U<\/em>1<\/sub> = 144 + 78 – 104,5 = 117,5
                  \n
                  U<\/em>2<\/sub> = 144 + 78 – 195,5 = 26,5\n <\/li>\n
                • Le contr\u00f4le crois\u00e9 s’av\u00e8re parfaitement irr\u00e9prochable : 117,5 + 26,5 = 144.<\/li>\n
                • La statistique d\u00e9cisionnelle finale retenue est donc irr\u00e9vocablement : U<\/em> = min(117,5 ; 26,5) = 26,5.<\/li>\n<\/ul>\n

                  7.2 Structuration modulaire d’un panneau de calcul r\u00e9utilisable<\/h3>\n

                  L’efficience op\u00e9rationnelle en laboratoire quantitatif prescrit de transformer cette cha\u00eene de formules en un panneau de calcul (ou dashboard<\/em> statistique) p\u00e9renne, robuste et r\u00e9utilisable pour tout jeu de donn\u00e9es ult\u00e9rieur. Cette industrialisation repose sur la modularisation spatiale de la feuille de calcul et l’assignation de noms de plages explicites (gestionnaire de noms d’Excel).<\/p>\n

                  \"Mann
                  Mann Whitney U test calculation in Excel<\/figcaption><\/figure>\n

                  Il est vivement pr\u00e9conis\u00e9 d’attribuer aux cellules n\u00e9vralgiques les identifiants textuels directs suivants :<\/p>\n

                    \n
                  • Cellule H2<\/code> renomm\u00e9e : n1<\/code><\/li>\n
                  • Cellule H3<\/code> renomm\u00e9e : n2<\/code><\/li>\n
                  • Cellule G2<\/code> renomm\u00e9e : R1<\/code><\/li>\n
                  • Cellule G3<\/code> renomm\u00e9e : R2<\/code><\/li>\n
                  • Cellule I2<\/code> renomm\u00e9e : U1_stat<\/code><\/li>\n
                  • Cellule I3<\/code> renomm\u00e9e : U2_stat<\/code><\/li>\n
                  • Cellule I4<\/code> renomm\u00e9e : U_test<\/code><\/li>\n<\/ul>\n

                    Cette standardisation conf\u00e8re aux \u00e9quations sous-jacentes une clart\u00e9 s\u00e9mantique absolue : l’expression du calcul de U<\/em> devient lisiblement =MIN(U1_stat; U2_stat)<\/code>, neutralisant tout risque d’erreur d’interpr\u00e9tation lors des audits de code ou des revues de pairs.<\/p>\n

                    En outre, il convient d’instaurer des m\u00e9canismes de protection passive de l’architecture logicielle :<\/p>\n

                      \n
                    • Verrouillage cellulaire :<\/strong> Les zones h\u00e9bergeant les formules analytiques doivent \u00eatre verrouill\u00e9es (via l’onglet Format de cellule > Protection), puis la feuille prot\u00e9g\u00e9e par mot de passe, ne laissant libres d’\u00e9dition que les seules colonnes r\u00e9serv\u00e9es \u00e0 la saisie des donn\u00e9es brutes des participants.<\/li>\n
                    • Mise en forme conditionnelle dynamique :<\/strong> Configurer des alertes visuelles (ex. coloration en rouge vif de la cellule d’audit) d\u00e8s lors qu’un \u00e9cart num\u00e9rique est d\u00e9tect\u00e9 au sein du th\u00e9or\u00e8me de v\u00e9rification crois\u00e9e.<\/li>\n<\/ul>\n

                      8. Inf\u00e9rence statistique pour petits \u00e9chantillons : Approche par table critique<\/h2>\n

                      8.1 Th\u00e9orie de la distribution exacte de la statistique de Mann-Whitney<\/h3>\n

                      L’inf\u00e9rence statistique sur de petits \u00e9chantillons (typiquement lorsque n<\/em>1<\/sub> et n<\/em>2<\/sub> sont inf\u00e9rieurs \u00e0 20) ob\u00e9it \u00e0 des r\u00e8gles math\u00e9matiques strictes qui proscrivent l’usage des lois continues ferm\u00e9es. Pour ces effectifs r\u00e9duits, la statistique de Mann-Whitney ne suit pas une loi de Gauss, mais une distribution d’\u00e9chantillonnage combinatoire discr\u00e8te finie, g\u00e9n\u00e9r\u00e9e par le d\u00e9nombrement exhaustif de toutes les permutations \u00e9quiprobables envisageables pour l’assignation des rangs.<\/p>\n

                      Le nombre total de configurations distinctes selon lesquelles n<\/em>1<\/sub> rangs peuvent \u00eatre extraits d’un m\u00e9ta-ensemble de N<\/em> rangs correspond formellement au coefficient binomial :<\/p>\n

                      C<\/em>N<\/em><\/sub>n<\/em>1<\/sup> = N<\/em>! \/ [n<\/em>1<\/sub>! (N<\/em> – n<\/em>1<\/sub>)!]<\/p>\n

                      Dans le cadre strict de notre exp\u00e9rimentation cognitive o\u00f9 n<\/em>1<\/sub> = 12 et N<\/em> = 24, le nombre d’arrangements combinatoires \u00e9quiprobables sous l’hypoth\u00e8se nulle s’\u00e9l\u00e8ve exactement \u00e0 2 704 156 permutations possibles. La fonction de masse de probabilit\u00e9 exacte associe \u00e0 chaque valeur enti\u00e8re possible de la statistique u<\/em> la proportion relative de ces permutations combinatoires pour lesquelles la somme des rangs g\u00e9n\u00e8re une valeur de U<\/em> inf\u00e9rieure ou \u00e9gale \u00e0 cette cible.<\/p>\n

                      Microsoft Excel ne dispose nativement d’aucun algorithme combinatoire matriciel capable de r\u00e9soudre \u00e0 la vol\u00e9e ces d\u00e9nombrements factoriels titanesques sans saturer la pile m\u00e9moire du tableur ou imposer le recours \u00e0 un code VBA lourd. D\u00e8s lors, substituer pr\u00e9matur\u00e9ment une approximation continue normale \u00e0 cette r\u00e9alit\u00e9 combinatoire exacte sur des effectifs de l’ordre de 10 \u00e0 15 unit\u00e9s par groupe induit un biais d’estimation de la p-valeur hautement pr\u00e9judiciable \u00e0 la rigueur m\u00e9thodologique du protocole exp\u00e9rimental.<\/p>\n

                      8.2 Int\u00e9gration et lecture d’une table de valeurs critiques sous Excel<\/h3>\n

                      Pour contourner \u00e9l\u00e9gamment cette carence algorithmique native tout en conservant une rigueur scientifique irr\u00e9prochable au sein de la feuille de calcul, la m\u00e9thodologie pr\u00e9conis\u00e9e consiste \u00e0 importer et matricialiser une table des valeurs critiques exactes de Mann-Whitney au sein d’un onglet technique d\u00e9di\u00e9 de la feuille Excel (d\u00e9nomm\u00e9 par exemple Table_Critique_MW<\/code>).<\/p>\n

                      Cette table matricielle est traditionnellement agenc\u00e9e selon une grille bidirectionnelle standardis\u00e9e, calibr\u00e9e pour un niveau d’erreur de premi\u00e8re esp\u00e8ce α conventionnel (ex. α = 0,05 en test bilat\u00e9ral ou α = 0,025 en test unilat\u00e9ral) :<\/p>\n

                        \n
                      • L’axe horizontal (en-t\u00eates de colonnes) r\u00e9pertorie la taille de l’\u00e9chantillon n<\/em>1<\/sub> (balayant les valeurs de 3 \u00e0 20).<\/li>\n
                      • L’axe vertical (en-t\u00eates de lignes) r\u00e9pertorie la taille de l’\u00e9chantillon n<\/em>2<\/sub> (balayant les valeurs de 3 \u00e0 20).<\/li>\n
                      • Les intersections cellulaires d\u00e9livrent la borne enti\u00e8re critique sup\u00e9rieure admissible, not\u00e9e U<\/em>critique<\/sub>.<\/li>\n<\/ul>\n

                        Le principe d\u00e9cisionnel fondamental du test U de Mann-Whitney est univoque et requiert une vigilance absolue de l’op\u00e9rateur : \u00e0 la diff\u00e9rence du test t<\/em> de Student o\u00f9 le rejet de l’hypoth\u00e8se nulle s’op\u00e8re lorsque la statistique empirique exc\u00e8de la valeur critique (t<\/em>obs<\/sub> ≥ t<\/em>crit<\/sub>), le rejet de l’hypoth\u00e8se nulle dans le test U intervient lorsque la statistique minimale observ\u00e9e est inf\u00e9rieure ou strictement \u00e9gale \u00e0 la valeur critique tabul\u00e9e<\/strong> :<\/p>\n

                        D\u00e9cision : Rejet de H<\/em>0<\/sub> si et seulement si U<\/em>observ\u00e9<\/sub> ≤ U<\/em>critique<\/sub><\/p>\n

                        Pour automatiser l’interrogation dynamique de cette table critique externe sans manipulation visuelle manuelle, l’analyste impl\u00e9mente au sein du panneau de contr\u00f4le une formule combinant les fonctions d’indexation vectorielle INDEX<\/code> et EQUIV<\/code>, ou plus \u00e9l\u00e9gamment la fonction moderne RECHERCHEX<\/code> :<\/p>\n

                        =INDEX(Table_Critique_MW!$B$<\/span>2:$S$<\/span>19; EQUIV(n2; Table_Critique_MW!$A$<\/span>2:$A$<\/span>19; 0); EQUIV(n1; Table_Critique_MW!$B$<\/span>1:$S$<\/span>1; 0))<\/code><\/p>\n

                        Dans notre cas exp\u00e9rimental (n<\/em>1<\/sub> = 12, n<\/em>2<\/sub> = 12, seuil bilat\u00e9ral α = 0,05), la consultation dynamique de la table critique normalis\u00e9e d\u00e9livre la valeur seuil :<\/p>\n

                        U<\/em>critique<\/sub> = 37<\/p>\n

                        8.3 Arbre de d\u00e9cision logique automatis\u00e9 dans le tableur<\/h3>\n

                        L’int\u00e9gration de la logique inf\u00e9rentielle au sein du tableur se mat\u00e9rialise par une structure conditionnelle automatis\u00e9e g\u00e9n\u00e9rant un verdict \u00e9pist\u00e9mologique explicite en langage naturel, affranchissant l’analyste de toute ambigu\u00eft\u00e9 interpr\u00e9tative.<\/p>\n

                        En h\u00e9bergeant la statistique calcul\u00e9e U<\/em>test<\/sub> en cellule I4<\/code> et la valeur de r\u00e9f\u00e9rence U<\/em>critique<\/sub> extraite de la matrice en cellule I5<\/code>, l’expression algorithmique gouvernant la d\u00e9cision scientifique se formule comme suit :<\/p>\n

                        =SI(I4<=I5; \"Rejet de H0 : Diff\u00e9rence stochastique statistiquement significative (p < 0,05)\"; \"Maintien de H0 : Absence d'effet stochastique significatif (p > 0,05)\")<\/code><\/p>\n

                        Dans notre \u00e9tude sur le temps de r\u00e9action cognitive :<\/p>\n

                          \n
                        • U<\/em>observ\u00e9<\/sub> = 26,5<\/li>\n
                        • U<\/em>critique<\/sub> (α = 0,05, bilat\u00e9ral) = 37<\/li>\n
                        • La condition critique 26,5 ≤ 37 \u00e9tant rigoureusement satisfaite, le moteur logique renvoie instantan\u00e9ment le verdict de rejet p\u00e9remptoire de l’hypoth\u00e8se nulle d’indiff\u00e9rence.<\/li>\n<\/ul>\n

                          Il importe toutefois de souligner une pr\u00e9caution m\u00e9thodologique majeure : lorsque la valeur calcul\u00e9e de U<\/em> borde de mani\u00e8re infinit\u00e9simale la fronti\u00e8re critique (par exemple une valeur empirique de 36 ou 37 face \u00e0 un seuil \u00e0 37), l’approximation discr\u00e8te induit une impr\u00e9cision marginale quant au risque alpha r\u00e9el consenti. Dans cette frange d’ind\u00e9cision extr\u00eame, l’analyste consciencieux devra consigner explicitement dans son compte-rendu la proximit\u00e9 imm\u00e9diate de la borne critique et corroborer ses conclusions par le calcul de la taille d’effet.<\/p>\n

                          9. Approximation asymptotique normale pour grands \u00e9chantillons<\/h2>\n

                          9.1 Th\u00e9or\u00e8me central limite appliqu\u00e9 \u00e0 la distribution des rangs<\/h3>\n

                          D\u00e8s lors que la taille des cohortes exp\u00e9rimentales s’\u00e9toffe \u2014 conventionnellement lorsque les effectifs de sous-groupes n<\/em>1<\/sub> et n<\/em>2<\/sub> exc\u00e8dent tous deux 20 unit\u00e9s, ou lorsque la taille totale combin\u00e9e N<\/em> d\u00e9passe 40 sujets \u2014, l’exploration combinatoire discr\u00e8te c\u00e8de le pas \u00e0 la mod\u00e9lisation asymptotique continue. En vertu des principes fondamentaux r\u00e9gissant le th\u00e9or\u00e8me central limite, la distribution d’\u00e9chantillonnage de la statistique discr\u00e8te U converge avec une rapidit\u00e9 remarquable vers une loi normale continue standardis\u00e9e.<\/p>\n

                          Cette convergence vers la normalit\u00e9 permet de mod\u00e9liser le comportement de la distribution de Mann-Whitney \u00e0 travers la d\u00e9rivation analytique exacte de son esp\u00e9rance math\u00e9matique th\u00e9orique (μU<\/em><\/sub>) et de son \u00e9cart-type d’\u00e9chantillonnage (σU<\/em><\/sub>).<\/p>\n

                          L’esp\u00e9rance math\u00e9matique de la distribution d’\u00e9chantillonnage sous l’hypoth\u00e8se nulle est rigoureusement d\u00e9finie par le produit moyen des dimensions factorielles :<\/p>\n

                          μU<\/em><\/sub> = (n<\/em>1<\/sub> × n<\/em>2<\/sub>) \/ 2<\/p>\n

                          Cette constante th\u00e9orique repr\u00e9sente le point de neutralit\u00e9 g\u00e9om\u00e9trique parfait de la distribution, correspondant \u00e0 une situation d’\u00e9quit\u00e9 probabiliste absolue o\u00f9 aucun des deux groupes ne manifeste de supr\u00e9matie ordinale sur son homologue.<\/p>\n

                          En l’absence formelle de valeurs ex æquo au sein de la s\u00e9rie conjointe fusionn\u00e9e, la variance th\u00e9orique sous-jacente de la distribution s’exprime par l’\u00e9quation canonique :<\/p>\n

                          σU<\/em><\/sub>2<\/sup> = [n<\/em>1<\/sub>n<\/em>2<\/sub>(n<\/em>1<\/sub> + n<\/em>2<\/sub> + 1)] \/ 12<\/p>\n

                          Dans l’\u00e9ventualit\u00e9 o\u00f9 la s\u00e9rie empirique h\u00e9berge une proportion substantielle de rangs li\u00e9s, la variance ci-dessus subit une contraction math\u00e9matique qu’il convient de compenser par l’application d’un terme correctif normalis\u00e9. L’\u00e9quation de la variance asymptotique ajust\u00e9e s’\u00e9crit alors formellement :<\/p>\n

                          σU<\/em>_ajust\u00e9<\/sub>2<\/sup> = [n<\/em>1<\/sub>n<\/em>2<\/sub> \/ (12 × N<\/em>(N<\/em> – 1))] × [N<\/em>3<\/sup> – N<\/em> – ∑k<\/em>=1<\/sub>g<\/em><\/sup> (t<\/em>k<\/em><\/sub>3<\/sup> – t<\/em>k<\/em><\/sub>)]<\/p>\n

                          o\u00f9 N<\/em> = n<\/em>1<\/sub> + n<\/em>2<\/sub>, g<\/em> figure le nombre total de groupes de valeurs ex æquo distincts, et t<\/em>k<\/em><\/sub> repr\u00e9sente l’effectif d’observations composant le k<\/em>-i\u00e8me agr\u00e9gat de valeurs identiques. N\u00e9anmoins, sauf en pr\u00e9sence d’une proportion massive de liens exc\u00e9dant 25 \u00e0 30 % de la masse globale des donn\u00e9es, la variance standard non corrig\u00e9e fournit une approximation d’une pr\u00e9cision tout \u00e0 fait acceptable pour l’investigation empirique standard.<\/p>\n

                          9.2 Standardisation en score Z et correction de continuit\u00e9<\/h3>\n

                          L’op\u00e9ration de standardisation vise \u00e0 convertir l’\u00e9cart s\u00e9parant la statistique observ\u00e9e U<\/em> de son esp\u00e9rance th\u00e9orique sous H<\/em>0<\/sub> en une unit\u00e9 m\u00e9trique universelle : le score r\u00e9duit Z<\/em> de la loi normale centr\u00e9e r\u00e9duite.<\/p>\n

                          Puisque nous op\u00e9rons la transition m\u00e9thodologique d’une distribution discr\u00e8te finie (par paliers entiers ou demi-entiers) vers une distribution th\u00e9orique continue infinie, la rigueur computationnelle impose l’application d’une correction de continuit\u00e9 (dite correction de continuit\u00e9 de Yates). Cette correction consiste \u00e0 retrancher ou adjoindre une demi-unit\u00e9 discr\u00e8te (0,5) \u00e0 l’\u00e9cart absolu s\u00e9parant la statistique empirique de son esp\u00e9rance, amortissant le biais d’\u00e9valuation int\u00e9grale. L’expression analytique du score standardis\u00e9 s’\u00e9tablit d\u00e8s lors sous la forme :<\/p>\n

                          Z<\/em> = (|U<\/em> – μU<\/em><\/sub>| – 0,5) \/ σU<\/em><\/sub><\/p>\n

                          Pour impl\u00e9menter cette machinerie computationnelle au sein d’une cellule unique et hautement s\u00e9curis\u00e9e d’Excel (cellule I6<\/code>), en mobilisant nos cellules nomm\u00e9es U_test<\/code>, n1<\/code> et n2<\/code>, l’analyste formule la syntaxe matricielle consolid\u00e9e suivante :<\/p>\n

                          =(ABS(U_test - (n1*n2)\/2) - 0,5) \/ RACINE((n1*n2*(n1+n2+1))\/12)<\/code><\/p>\n

                          Analysons scrupuleusement le d\u00e9roulement calculatoire pour notre exp\u00e9rimentation :<\/p>\n

                            \n
                          • Esp\u00e9rance th\u00e9orique : μU<\/em><\/sub> = (12 × 12) \/ 2 = 72<\/li>\n
                          • Variance th\u00e9orique standard : σU<\/em><\/sub>2<\/sup> = [12 × 12 × (12 + 12 + 1)] \/ 12 = [144 × 25] \/ 12 = 300<\/li>\n
                          • \u00c9cart-type th\u00e9orique : σU<\/em><\/sub> = √300 &approx; 17,3205<\/li>\n
                          • \u00c9cart absolu \u00e0 la moyenne : |26,5 – 72| = 45,5<\/li>\n
                          • Application de la correction de continuit\u00e9 au num\u00e9rateur : 45,5 – 0,5 = 45,0<\/li>\n
                          • Calcul du score standardis\u00e9 : Z<\/em> = 45,0 \/ 17,3205 &approx; 2,5981<\/li>\n<\/ul>\n

                            Le signe alg\u00e9brique de Z<\/em> porte une charge s\u00e9mantique d\u00e9terminante. Si l’analyste pr\u00e9serve l’orientation directionnelle en omettant la valeur absolue lors de l’estimation de la sup\u00e9riorit\u00e9 d’un groupe pr\u00e9cis, un score Z<\/em> positif refl\u00e9tera une dominance stochastique de la condition cibl\u00e9e, tandis qu’un score Z<\/em> n\u00e9gatif t\u00e9moignera de son inf\u00e9riorit\u00e9 ordinale.<\/p>\n

                            9.3 Calcul de la p-valeur exacte par les fonctions de distribution normale<\/h3>\n

                            L’estimation de la probabilit\u00e9 asymptotique associ\u00e9e \u2014 la p-valeur \u2014 s’effectue via l’invocation des fonctions de distribution cumulative de la loi normale nativement int\u00e9gr\u00e9es \u00e0 Microsoft Excel. L’instruction moderne et normalis\u00e9e retenue est LOI.NORMALE.STANDARD.N<\/code> (\u00e9quivalent de NORM.S.DIST<\/code> dans les versions internationales).<\/p>\n

                            \"P-value
                            P-value of Mann Whitney U test in Excel<\/figcaption><\/figure>\n

                            La syntaxe de base de cette fonction comporte deux arguments formels :<\/p>\n

                            =LOI.NORMALE.STANDARD.N(z; cumulatif)<\/code><\/p>\n

                            Le second param\u00e8tre doit imp\u00e9rativement \u00eatre configur\u00e9 sur VRAI<\/code> afin d’obtenir l’int\u00e9grale de la surface sous la courbe de densit\u00e9 depuis l’infini n\u00e9gatif jusqu’au point d’\u00e9valuation z<\/em>.<\/p>\n

                            Pour formaliser l’\u00e9valuation probabiliste dans le cadre d’un test bilat\u00e9ral<\/strong> (l’approche conventionnelle par d\u00e9faut), o\u00f9 l’\u00e9cart stochastique est test\u00e9 sym\u00e9triquement aux deux extr\u00e9mit\u00e9s extr\u00eames de la courbe de Gauss, la formule Excel universelle s’impl\u00e9mente en cellule I7<\/code> comme suit :<\/p>\n

                            =2 * (1 - LOI.NORMALE.STANDARD.N(ABS(I6); VRAI))<\/code><\/p>\n

                            Dans l’hypoth\u00e8se o\u00f9 le chercheur aurait pos\u00e9 une hypoth\u00e8se unilat\u00e9rale rigoureusement pr\u00e9d\u00e9termin\u00e9e en amont de la r\u00e9colte des donn\u00e9es empiriques, l’expression math\u00e9matique s’ajuste pour \u00e9valuer l’aire unilat\u00e9rale r\u00e9siduelle :<\/p>\n

                            =1 - LOI.NORMALE.STANDARD.N(ABS(I6); VRAI)<\/code><\/p>\n

                            Reprenant notre valeur de score standardis\u00e9 Z<\/em> = 2,5981 :<\/p>\n

                              \n
                            • LOI.NORMALE.STANDARD.N(2,5981; VRAI)<\/code> renvoie la valeur d’int\u00e9gration cumulative 0,9953.<\/li>\n
                            • La surface r\u00e9siduelle unilat\u00e9rale s’\u00e9value \u00e0 : 1 – 0,9953 = 0,0047.<\/li>\n
                            • La multiplication par 2 pour le calcul bilat\u00e9ral d\u00e9livre la p-valeur asymptotique d\u00e9finitive :
                              \n
                              p<\/em> = 2 × 0,0047 = 0,0094 (soit p<\/em> = 0,009).\n <\/li>\n<\/ul>\n

                              La formalisation acad\u00e9mique des r\u00e9sultats sous le standard APA proscrit l’affichage de mentions simplistes telles que \u00ab p<\/em> = 0,000 \u00bb ou de sorties de tableur brutes sans formatage. L’analyste int\u00e9grera une r\u00e8gle de typographie scientifique au sein de la cellule de reporting en utilisant l’instruction de concat\u00e9nation conditionnelle :<\/p>\n

                              =SI(I7<0,001; \"p < 0,001\"; \"p = \" & TEXTE(I7; \"0,000\"))<\/code><\/p>\n

                              Dans notre cas d’\u00e9tude, la cellule affichera avec une \u00e9l\u00e9gance typographique parfaite la cha\u00eene \u00e9ditoriale p = 0,009<\/code>, confirmant au seuil α = 0,01 l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 stochastique hautement significative des temps de r\u00e9action sous induction de stress.<\/p>\n

                              10. Quantification de la taille d’effet et m\u00e9triques d’impact en psychologie<\/h2>\n

                              10.1 Calcul du coefficient de corr\u00e9lation de rang r de Rosenthal<\/h3>\n

                              L’adh\u00e9sion aux pr\u00e9conisations contemporaines de la science ouverte et aux directives m\u00e9thodologiques de l’American Psychological Association (APA) impose de ne jamais circonscrire la restitution d’un test statistique \u00e0 la seule d\u00e9claration d’une p-valeur. La significativit\u00e9 statistique ne renseigne en rien sur la magnitude concr\u00e8te de la divergence observ\u00e9e : un \u00e9cart infinit\u00e9simal et d\u00e9nu\u00e9 de toute port\u00e9e clinique ou th\u00e9orique peut franchir les seuils de significativit\u00e9 conventionnels d\u00e8s lors que la taille globale d’\u00e9chantillonnage est massive. Inversement, un effet puissant peut demeurer non significatif au sein d’une cohorte r\u00e9duite. Cette dissociation fondamentale exige la quantification standardis\u00e9e de la taille d’effet (effect size<\/em>).<\/p>\n

                              Pour le test non param\u00e9trique de Mann-Whitney, l’indicateur d’impact le plus universellement reconnu et recommand\u00e9 par les m\u00e9ta-analystes est le coefficient de corr\u00e9lation de rang biseriel de Rosenthal, conventionnellement not\u00e9 r<\/em>. Cette m\u00e9trique standardis\u00e9e s’obtient par la normalisation du score r\u00e9duit Z<\/em> en fonction de la racine carr\u00e9e de la taille totale de l’\u00e9chantillon combin\u00e9 :<\/p>\n

                              r<\/em> = |Z<\/em>| \/ √N<\/em>total<\/sub> = |Z<\/em>| \/ √(n<\/em>1<\/sub> + n<\/em>2<\/sub>)<\/p>\n

                              L’impl\u00e9mentation algorithmique de cette grandeur au sein de la feuille de calcul s’ex\u00e9cute avec une remarquable simplicit\u00e9 en cellule I8<\/code> :<\/p>\n

                              =ABS(I6) \/ RACINE(n1 + n2)<\/code><\/p>\n

                              L’interpr\u00e9tation th\u00e9orique de cet indice s’adosse aux crit\u00e8res de calibration universellement adopt\u00e9s dans les sciences psychosociales, initialement th\u00e9oris\u00e9s par Jacob Cohen pour les coefficients de corr\u00e9lation lin\u00e9aire :<\/p>\n

                                \n
                              • |r<\/em>| &approx; 0,10 : Effet de faible magnitude (impact subtil).<\/li>\n
                              • |r<\/em>| &approx; 0,30 : Effet de magnitude moyenne (impact substantiel perceptible).<\/li>\n
                              • |r<\/em>| ≥ 0,50 : Effet de forte magnitude (impact massif sur le ph\u00e9nom\u00e8ne \u00e9tudi\u00e9).<\/li>\n<\/ul>\n

                                Pour notre exp\u00e9rimentation sur les performances attentionnelles sous stress :<\/p>\n

                                  \n
                                • Z<\/em> = 2,5981 et N<\/em> = 24<\/li>\n
                                • r<\/em> = 2,5981 \/ √24 = 2,5981 \/ 4,89898 &approx; 0,5303<\/li>\n<\/ul>\n

                                  Cet indice s’\u00e9levant \u00e0 r<\/em> = 0,53 atteste indubitablement d’un effet exp\u00e9rimental de forte amplitude. La manipulation du stress aigu n’exerce pas simplement une influence marginale sur les temps de traitement cognitif ; elle structure de mani\u00e8re d\u00e9terminante l’ordonnancement hi\u00e9rarchique des latences psychomotrices au sein de la cohorte \u00e9tudi\u00e9e.<\/p>\n

                                  10.2 Probabilit\u00e9 de sup\u00e9riorit\u00e9 (Common Language Effect Size)<\/h3>\n

                                  Bien que le coefficient r<\/em> de Rosenthal r\u00e9ponde aux exigences acad\u00e9miques formelles, il demeure d’une interpr\u00e9tation souvent abstraite pour les praticiens de terrain, les d\u00e9cideurs institutionnels ou les patients engag\u00e9s dans des d\u00e9marches cliniques. Pour pallier cette barri\u00e8re heuristique, le statisticien Kenneth McGraw et ses coll\u00e8gues ont th\u00e9oris\u00e9 la m\u00e9trique d’impact en langage commun (Common Language Effect Size<\/em> – CLES), \u00e9galement formalis\u00e9e dans la litt\u00e9rature sous le vocable de \u00ab probabilit\u00e9 de sup\u00e9riorit\u00e9 \u00bb (Â ou A<\/em> de Vargha-Delaney).<\/p>\n

                                  La probabilit\u00e9 de sup\u00e9riorit\u00e9 offre une lisibilit\u00e9 conceptuelle imm\u00e9diate : elle quantifie la probabilit\u00e9 probabiliste exacte qu’une observation extraite au hasard au sein du premier groupe exc\u00e8de la valeur d’une observation pr\u00e9lev\u00e9e al\u00e9atoirement au sein du second groupe lors d’un appariement stochastique par paires :<\/p>\n

                                  CLES = P<\/em>(X<\/em> > Y<\/em>)<\/p>\n

                                  Dans l’\u00e9cosyst\u00e8me algorithmique de Mann-Whitney, cette grandeur d’une puissance p\u00e9dagogique exceptionnelle d\u00e9coule directement et sans le moindre d\u00e9tour computationnel de la statistique partielle U<\/em> :<\/p>\n

                                  CLES1<\/sub> = U<\/em>1<\/sub> \/ (n<\/em>1<\/sub> × n<\/em>2<\/sub>)<\/p>\n

                                  La transcription sous Microsoft Excel s’impl\u00e9mente imm\u00e9diatement en cellule I9<\/code> par l’expression :<\/p>\n

                                  =I2 \/ (n1 * n2)<\/code><\/p>\n

                                  Les propri\u00e9t\u00e9s interpr\u00e9tatives de cette m\u00e9trique sont d’une transparence absolue :<\/p>\n

                                    \n
                                  • Une valeur CLES rigoureusement \u00e9gale \u00e0 0,50 incarne l’absence totale de sup\u00e9riorit\u00e9 stochastique (les deux distributions se superposent parfaitement, \u00e9quivalant \u00e0 un tirage \u00e0 pile ou face).<\/li>\n
                                  • Une valeur s’\u00e9levant vers 1,00 traduit une sup\u00e9riorit\u00e9 unilat\u00e9rale absolue du groupe 1 sur le groupe 2.<\/li>\n
                                  • Une valeur glissant vers 0,00 documente une inf\u00e9riorit\u00e9 structurelle totale du groupe 1 (et corr\u00e9lativement une dominance absolue du groupe 2).<\/li>\n<\/ul>\n

                                    Dans notre cas pratique appliqu\u00e9 au stress :<\/p>\n

                                    CLES1<\/sub> = U<\/em>1<\/sub> \/ (n<\/em>1<\/sub>n<\/em>2<\/sub>) = 117,5 \/ 144 &approx; 0,8160<\/p>\n

                                    Ce r\u00e9sultat stipule qu’il existe une probabilit\u00e9 de 81,6 % que le temps de r\u00e9action d’un individu soumis \u00e0 la condition de stress psychosocial aigu soit sup\u00e9rieur \u00e0 celui d’un individu \u00e9voluant en condition t\u00e9moin neutre. Cette transcription conf\u00e8re aux conclusions scientifiques un ancrage empirique saisissant et imm\u00e9diatement compr\u00e9hensible pour l’ensemble de la communaut\u00e9 clinique.<\/p>\n

                                    10.3 Intervalles de confiance pour la diff\u00e9rence de localisation<\/h3>\n

                                    Dans le paradigme des normes de publication modernes (notamment formalis\u00e9es par le bureau \u00e9ditorial de l’APA), l’accompagnement des tailles d’effet par leurs intervalles de confiance \u00e0 95 % respectifs s’affirme comme une exigence m\u00e9thodologique majeure. Pour le test de Mann-Whitney, l’estimateur de d\u00e9calage ponctuel de r\u00e9f\u00e9rence est l’estimateur de localisation de Hodges-Lehmann (ΔHL<\/sub>).<\/p>\n

                                    L’estimateur de Hodges-Lehmann est d\u00e9fini sur le plan th\u00e9orique comme la m\u00e9diane arithm\u00e9tique de l’ensemble de toutes les diff\u00e9rences par paires formables entre les observations du premier groupe et les observations du second groupe :<\/p>\n

                                    ΔHL<\/sub> = m\u00e9diane { x<\/em>i<\/em><\/sub> – y<\/em>j<\/em><\/sub> }, avec 1 ≤ i<\/em> ≤ n<\/em>1<\/sub> et 1 ≤ j<\/em> ≤ n<\/em>2<\/sub><\/p>\n

                                    La d\u00e9termination manuelle de cet estimateur et de ses bornes de confiance exactes sous une version standard de Microsoft Excel impose la construction matricielle d’un tableau crois\u00e9 de dimensions n<\/em>1<\/sub> × n<\/em>2<\/sub> calculant exhaustivement les 144 diff\u00e9rences \u00e9l\u00e9mentaires (dans notre exemple), avant d’appliquer la fonction MEDIANE<\/code> sur l’ensemble de la plage matricielle ainsi d\u00e9ploy\u00e9e.<\/p>\n

                                    Pour l’analyste contraint par l’espace de sa feuille de calcul, une approximation pragmatique acceptable consiste \u00e0 rapporter conjointement aux m\u00e9triques r<\/em> et CLES la diff\u00e9rence brute observ\u00e9e entre les m\u00e9dianes empiriques des deux \u00e9chantillons ind\u00e9pendants, encadr\u00e9e par l’\u00e9cart interquartile (EIQ ou IQR<\/em>) de chaque groupe calcul\u00e9 via les fonctions natives QUARTILE.INC(plage; 3) - QUARTILE.INC(plage; 1)<\/code>, garantissant une transparence descriptive totale conforme aux attentes des comit\u00e9s de lecture internationaux.<\/p>\n

                                    11. Visualisation avanc\u00e9e et restitution graphique sous Excel<\/h2>\n

                                    11.1 Conception de diagrammes en bo\u00eete \u00e0 moustaches (Boxplots) scientifiques<\/h3>\n

                                    L’adage m\u00e9thodologique voulant qu’une repr\u00e9sentation graphique rigoureuse vaille mille coefficients statistiques trouve son accomplissement id\u00e9al dans l’usage des diagrammes en bo\u00eete \u00e0 moustaches (boxplots<\/em>). Pour restituer fid\u00e8lement l’information issue d’un test non param\u00e9trique, le diagramme en bo\u00eete surpasse irr\u00e9m\u00e9diablement le traditionnel graphique \u00e0 barres (bar chart<\/em>) : ce dernier dissimule totalement l’asym\u00e9trie de distribution, occulte les valeurs extr\u00eames et sugg\u00e8re abusivement une sym\u00e9trie gaussienne illusoire centr\u00e9e autour d’une moyenne arithm\u00e9tique.<\/p>\n

                                    Depuis la mouture Excel 2016, Microsoft int\u00e8gre nativement le moteur graphique \u00ab Bo\u00eete et moustaches \u00bb. Pour g\u00e9n\u00e9rer une visualisation scientifique selon l’art :<\/p>\n

                                      \n
                                    • S\u00e9lectionnez l’int\u00e9gralit\u00e9 de la matrice structur\u00e9e au format tabulaire long (Plage B1:C25<\/code> regroupant la colonne de labellisation des groupes et la colonne des temps de r\u00e9action continus).<\/li>\n
                                    • Naviguez vers l’onglet Insertion<\/strong> du ruban principal, d\u00e9ployez le menu des graphiques statistiques et s\u00e9lectionnez l’ic\u00f4ne Bo\u00eete et moustaches<\/strong>.<\/li>\n
                                    • Le moteur g\u00e9n\u00e8re spontan\u00e9ment deux structures en bo\u00eetes distinctes juxtapos\u00e9es sur l’axe des abscisses, align\u00e9es verticalement sur l’\u00e9chelle commune des millisecondes.<\/li>\n<\/ul>\n

                                      Pour conformer la visualisation aux exigences esth\u00e9tiques des revues \u00e0 fort facteur d’impact, une reconfiguration des param\u00e8tres par d\u00e9faut est imp\u00e9rative :<\/p>\n