H0 et H1 jouent un rôle symétrique car ils décrivent deux évènements opposés. L'exemple général donné en début de cours le résume parfaitement : H0 signifie qu'il n'y a pas de différence entre les 2 objets de l'étude, H1 signifie qu'il y en a --> les deux évènements sont bien opposés, ou "symétriques" c'est la même chose.
En général, d'après ce que j'ai compris Z correspond à l'epsilon (la lettre grecque qui ressemble à un E) dans le cas d'un test de comparaison de deux pourcentages, et à Khi (le "x2") dans le cas du test Khi2 (qui n'a pas encore été traité par le prof durant ce cours, si j'ai bien suivi, mais qu'on arrive à comprendre assez facilement si on regarde les exercices concernant cette méthode).
Comme tu l'auras compris, si H0 et H1 sont symétriques (opposés) il est logique que si on rejette l'hypothèse H0, alors on accepte l'hypothèse H1...
P = alpha/2 correspond à la limite à partir de laquelle on privilégie l'hypothèse H1 (dans l'exemple précédent : "il y a une différence").
C'est assez compliqué à expliquer, mais supposons que l'on cherche à calculer le paramètre epsilon d'un cas où H0 = il n'y a pas de différence et H1 = il y a différence.
Si on se réfère à la courbe de gauss, il faut comprendre que les valeurs "fondamentales" en abscisses définies par alpha (le plus souvent = 5%) représentent les limites de l'intervalle de confiance, soit +1,96 et -1,96 (se référer au cours précédent sur l'intervalle de confiance).
Si on trouve une valeur de epsilon supérieure à +1,96 ou inférieure à -1,96, on se retrouve dans les 5% d'erreur définis par alpha, et on considérera que l'on peut rejeter l'hypothèse H0 et donc accepter H1 (c'est là où l'explication du pourquoi du comment m'est totalement impossible, vu que je n'ai moi-même pas compris, mais dans l'absolu on nous demande plus d'appliquer sans poser de questions que comprendre, c'est réservé aux P2 ça
).
En fait la notation P = alpha/2 signifie que toutes les valeurs au-delà de +1,96 ou -1,96 sont comprises dans les 5% d'erreur, soit 2,5% (alpha/2) pour la partie de droite et 2,5% pour la partie de gauche.
Il est compliqué d'expliquer mieux le concept de risque de seconde espèce que ne le fait le cours... le risque de seconde espèce correspond à la probabilité de considérer l'hypothèse H0 comme juste alors qu'elle est fausse (et l'inverse pour le risque de première espèce).
Le fait que l'accusé plaide coupable agit directement sur la décision du jury, puisque ce dernier n'a plus de question à se poser et va directement juger l'accusé coupable, même s'il est innocent. Vu que H0 = "innocent", on se retrouve dans un cas où l'on rejette H0 alors que H0 est vraie, c'est donc un risque de première espèce alpha, qui est grandement augmenté par la décision de l'accusé de plaider coupable.
Concernant Khi2, comme je l'ai déjà dit, le prof l'abordera dans le prochain cours.
Pour la table de l'écart réduit, on prend plutôt généralement alpha = 5%. En ce qui concerne le degré de signification "p" (valeurs notées à gauche dans les lignes), on choisira celui dont le croisement avec alpha permettra d'englober la valeur qu'on a trouvée pour epsilon. C'est d'ailleurs pour ça que dans l'exemple, vu que espilon = 3,3 est très supérieur à n'importe quelle valeur qu'on peut trouver dans le tableau de référence, on utilise le tableau des très petites valeurs.
En fait je pense qu'on se sert plutôt de alpha et de epsilon pour trouver "p", qui, si j'ai bien compris (une fois de plus), représente la probabilité que l'on se trompe dans notre jugement (plus p sera petit, plus la probabilité d'avoir trouvé un epsilon correct est grande, et donc plus on aura de chance que l'hypothèse retenue d'après la valeur d'epsilon soit la bonne).
J'espère avoir répondu correctement à tes questions, et surtout que tu as compris mes explications
désolé du pavé aussi
j'aimerais comprendre pouvez vous m'aider?
(c'est de bonne guerre)