Points clés
- Catégorie
- Maths, dates et finance
- Types d’entrée
- number, select
- Type de sortie
- json
- Couverture des échantillons
- 4
- API disponible
- Yes
Vue d’ensemble
Ce calculateur effectue le test exact de Fisher pour analyser l'association entre deux variables catégorielles dans une table de contingence 2x2. Il est particulièrement recommandé pour les échantillons de petite taille où les tests de chi-carré classiques manquent de précision, fournissant des valeurs p exactes et le rapport des cotes.
Quand l’utiliser
- •Lorsque vous travaillez avec des échantillons de petite taille où les effectifs attendus sont inférieurs à 5.
- •Pour tester l'indépendance entre deux variables qualitatives binaires de manière rigoureuse.
- •Quand une précision statistique exacte est requise sans dépendre d'approximations asymptotiques.
- •Pour valider des résultats de recherche médicale ou biologique sur des groupes restreints.
Comment ça marche
- •Saisissez les fréquences observées dans les quatre cellules (A, B, C, D) de votre table de contingence 2x2.
- •Sélectionnez l'hypothèse alternative (bilatérale, supérieure ou inférieure) et définissez le seuil de signification alpha.
- •L'outil calcule la probabilité exacte d'obtenir la répartition observée sous l'hypothèse nulle d'indépendance.
- •Le résultat affiche la valeur p exacte, le rapport des cotes (odds ratio) et indique si l'hypothèse nulle doit être rejetée.
Cas d’usage
Exemples
1. Analyse d'une étude clinique pilote
Chercheur en médecine- Contexte
- Un chercheur teste un nouveau traitement sur un groupe de 10 personnes face à un groupe témoin de 6 personnes.
- Problème
- Déterminer si le taux de guérison est significativement plus élevé avec le nouveau traitement malgré le faible échantillon.
- Comment l’utiliser
- Entrez 8 (guérisons) en cellule A, 2 (échecs) en cellule B pour le groupe traité, puis 1 (guérison) en cellule C et 5 (échecs) en cellule D pour le témoin.
- Configuration d’exemple
-
cellA: 8, cellB: 2, cellC: 1, cellD: 5, alternative: 'two-sided', alpha: 0.05 - Résultat
- Le calculateur affiche une valeur p de 0,035, permettant de rejeter l'hypothèse nulle et de conclure à l'efficacité du traitement.
2. Test A/B sur un segment marketing de niche
Analyste marketing- Contexte
- Une entreprise compare deux variantes d'une publicité ciblée sur un segment très restreint de clients VIP.
- Problème
- Vérifier si la variante A génère plus de clics que la variante B de manière statistiquement fiable.
- Comment l’utiliser
- Saisissez le nombre de clics et de non-clics pour chaque variante dans les quatre champs prévus.
- Configuration d’exemple
-
cellA: 12, cellB: 3, cellC: 4, cellD: 11, alternative: 'greater', alpha: 0.05 - Résultat
- L'outil fournit la valeur p exacte pour confirmer si la performance supérieure de la variante A n'est pas due au hasard.
Tester avec des échantillons
math-&-numbersFAQ
Quelle est la différence entre le test de Fisher et le Chi-deux ?
Le test de Fisher calcule une probabilité exacte, tandis que le Chi-deux utilise une approximation qui devient imprécise avec de petits effectifs.
Puis-je utiliser ce calculateur pour une table 3x3 ?
Non, cet outil est spécifiquement conçu pour les tables de contingence 2x2 (deux variables à deux modalités chacune).
Qu'est-ce que le rapport des cotes (odds ratio) ?
C'est une mesure statistique qui quantifie la force de l'association entre deux événements, calculée ici à partir des quatre cellules.
Pourquoi la valeur p est-elle importante ?
Elle détermine si l'association observée entre vos variables est statistiquement significative ou si elle peut être due au hasard.
Quel seuil alpha dois-je choisir ?
Le seuil standard est de 0,05, mais vous pouvez le réduire à 0,01 pour une plus grande rigueur scientifique.