Tout test oppose deux hypothèses :
- H0, l’hypothèse nulle : il n’y a pas de différence. C’est l’hypothèse par défaut, celle qu’on cherche à mettre en défaut.
- H1, l’hypothèse alternative : il y a une différence.
Le test calcule la p-value : la probabilité d’observer un écart au moins aussi grand que le vôtre si H0 était vraie. Une p-value faible rend le hasard peu crédible, et l’on rejette H0.
Le risque alpha est le seuil que vous vous fixez, traditionnellement 5 %. C’est le risque d’annoncer une différence qui n’existe pas.
Ellistat Data Analysis gradue la conclusion sur quatre niveaux, avec un code couleur :
| p-value | Conclusion |
| p ≤ 0,01 | Très significatif |
| 0,01 < p ≤ 0,05 | Significatif |
| 0,05 < p ≤ 0,1 | Significatif limite |
| p > 0,1 | Non significatif |
⚠️ Non significatif ne veut pas dire « égal ». Cela veut dire que vos données ne suffisent pas à conclure. Avec cinq mesures par groupe, une différence réelle importante peut rester non significative, le test n’a pas la puissance de la voir. C’est précisément à cela que sert l’entrée Puissance.
💡 Symétriquement, un écart minuscule devient significatif sur de très grands effectifs. Significatif ne veut pas dire important. Toujours regarder l’ampleur de l’écart en plus de la p-value : la statistique dit si l’écart est réel, l’ingénieur dit s’il compte.