Comment effectuer un test binomial dans R

L’inférence statistique au sein des sciences contemporaines du comportement repose sur la confrontation systématique entre des modèles théoriques probabilistes et des observations empiriques caractérisées par une variabilité inhérente. Dans le champ expérimental de la psychologie cognitive, de la psychophysique et des neurosciences comportementales, une multitude de protocoles expérimentaux génèrent des variables dépendantes intrinsèquement discrètes et catégorielles. Qu’il s’agisse de mesurer la capacité d’un sujet à discriminer un stimulus visuel subliminal dans un paradigme de choix forcé, d’évaluer la réussite d’un patient amnésique à une épreuve de rappel implicite, ou de sonder l’adhésion d’individus à un choix éthique binaire, l’analyste se trouve confronté à des données dichotomiques réductibles à deux états exclusifs : le succès ou l’échec. Face à ces architectures de données, l’application irréfléchie de statistiques inférentielles paramétriques fondées sur l’hypothèse de normalité asymptotique constitue une faute méthodologique susceptible de dénaturer les conclusions scientifiques.

Le test binomial exact s’impose dans ce contexte comme l’un des outils d’ajustement inférentiel les plus fondamentaux, rigoureux et élégants de la statistique mathématique. Conçu pour déterminer si la fréquence observée d’un événement binaire au sein d’un échantillon dévie significativement d’une proportion théorique postulée a priori sous une hypothèse nulle, ce test s’affranchit de toute approximation normale continue. Contrairement aux tests asymptotiques dont la validité dépend étroitement de la taille de l’échantillon, le test binomial calcule la probabilité combinatoire exacte d’observer une distribution empirique donnée sous la loi de Bernoulli. Cette propriété mathématique remarquable lui confère une robustesse absolue face aux échantillons de taille restreinte, situation ubiquitaire lors d’investigations cliniques de cas uniques, d’études pilotes en neuroimagerie ou de protocoles psychophysiques intensifs.

L’environnement statistique et logiciel R offre une plateforme idéale pour la mise en œuvre, l’interprétation et la visualisation de cette procédure grâce à ses fonctions natives hautement optimisées, au premier rang desquelles figure la routine interne d’analyse exacte des proportions. Ce guide méthodologique exhaustif a pour vocation d’articuler les fondements théoriques, probabilistes et épistémologiques du test binomial avec sa traduction computationnelle opérationnelle sous R. En explorant scrupuleusement la structure de ses algorithmes, la dérivation des intervalles de confiance exacts selon Clopper et Pearson, l’évaluation de la puissance a priori et la restitution formalisée des résultats selon les normes éditoriales académiques internationales, cet article propose un cadre d’analyse de référence pour les chercheurs, statisticiens et étudiants avancés en psychologie et sciences quantitatives.

1. Introduction théorique au test binomial en psychologie et sciences du comportement

1.1 Définition et rôle fondamental du test binomial exact

Le test binomial exact constitue une procédure d’inférence non paramétrique spécialement développée pour l’analyse de données catégorielles nominales dichotomiques. Dans l’architecture méthodologique des sciences du comportement, son rôle premier consiste à confronter une proportion empirique d’événements observés, notée traditionnellement k/n, à une valeur probabiliste de référence spécifiée théoriquement, représentée par le paramètre de population π. Contrairement aux tests paramétriques classiques conçus pour des échelles d’intervalles ou de rapports, le test binomial ne nécessite aucune assomption relative à la forme de la distribution sous-jacente de la population, si ce n’est que la variable étudiée suit un processus générateur discret régi par des lois combinatoires strictes. Cette non-dépendance à l’égard de paramètres distributionnels continus en fait un test exact par excellence, garantissant que l’erreur de premier type ne dépassera jamais le seuil nominal prédéterminé.

La comparaison formelle opérée par le test repose sur la quantification de la déviance entre la fréquence relative constatée dans un échantillon de taille n et la distribution d’échantillonnage théorique que produirait la répétition infinie de l’expérience si la proportion postulée était rigoureusement vraie. Ce formalisme trouve une résonance particulière dans les sciences cognitives et la psychométrie, où la question centrale revient fréquemment à déterminer si les réponses d’un individu ou d’un groupe d’individus excèdent les performances attendues par le simple fait du hasard. Dès lors qu’une décision doit être tranchée face à deux alternatives mutuellement exclusives, le test binomial exact fournit le cadre mathématique de référence pour statuer sur la réalité statistique d’une dissociation comportementale.

Dans le domaine des neurosciences comportementales et de la psychologie animale, ce test est constamment sollicité lors d’épreuves d’orientation spatiale en labyrinthe aquatique ou en croix surélevée, où le chercheur doit quantifier la préférence d’un organisme pour un compartiment cible par rapport à un niveau de base. Sa nature exacte élimine l’arbitraire des corrections de continuité souvent appliquées de manière inconsistante sur de petites cohortes, conférant aux conclusions tirées une validité interne irréprochable face aux exigences de réplication méthodologique qui traversent les sciences expérimentales contemporaines.

1.2 Origine probabiliste et modèle de Bernoulli

L’assise formelle du test binomial dérive directement des travaux fondateurs de Jacques Bernoulli sur les processus stochastiques élémentaires. Un essai de Bernoulli est défini comme une expérience aléatoire idéalisée n’admettant que deux issues possibles, mutuellement exclusives et collectivement exhaustives, conventionnellement étiquetées « succès » (codé par la valeur 1) et « échec » (codé par la valeur 0). La probabilité invariante d’occurrence du succès est désignée par π, impliquant mécaniquement que la probabilité d’échec est son complémentaire strict, soit 1 – π. La répétition indépendante et stationnaire de n épreuves de Bernoulli identiques engendre la distribution de probabilité binomiale, notée B(n, π), qui gouverne la variable aléatoire discrète représentant le nombre total de succès obtenus.

La probabilité d’observer exactement k succès au cours de ces n épreuves séquentielles est formalisée par la fonction de masse de probabilité binomiale. Cette formule articule de manière élégante le calcul combinatoire et le produit probabiliste des événements indépendants. Le coefficient binomial, souvent désigné comme le nombre de combinaisons de k éléments parmi n, permet de quantifier le nombre distinct de permutations ordonnées pouvant aboutir au total agrégé de k succès sans considération de l’ordre temporel d’apparition. Ce dénombrement est ensuite pondéré par la probabilité conjointe d’occurrence d’une séquence particulière, soit π élevé à la puissance k multiplié par (1 – π) élevé à la puissance n – k.

Cette distribution discrète engendre un espace probabiliste parfaitement déterminé où chaque configuration de résultats possède une masse de probabilité univoque calculable sans recourir à l’intégration d’une fonction de densité continue. En psychologie computationnelle, cette propriété permet de modéliser avec une précision analytique les processus de décision perceptuelle et les mécanismes de mémoire de travail, fournissant une modélisation mécaniste directe de la dynamique d’accumulation d’informations discrètes au fil des essais expérimentaux successifs.

1.3 Positionnement épistémologique face aux autres tests d’ajustement

D’un point de vue épistémologique, le test binomial exact s’inscrit au sein de la famille des tests d’ajustement ou de conformité, aux côtés du test d’adéquation du khi-deux de Pearson et des approches inférentielles bayésiennes. La distinction majeure réside dans le fait que le test du khi-deux repose sur une approximation asymptotique continue d’une distribution d’échantillonnage intrinsèquement discrète. Cette approximation est régie par le théorème central limite et perd sa validité dès lors que les effectifs théoriques attendus chutent en deçà de seuils critiques, généralement fixés à cinq observations par cellule. Le test binomial s’affranchit totalement de cette limitation en calculant directement les probabilités combinatoires réelles sans aucune distorsion distributionnelle, garantissant une précision absolue même lorsque n est minuscule.

Cet avantage décisif sur les petits échantillons s’avère fondamental en neuropsychologie clinique, où les études reposent régulièrement sur des designs de cas uniques (paradigmes N-of-1) confrontés à un nombre restreint d’essais critiques pour éviter la fatigue cognitive du patient cérébrolésé. Utiliser un test asymptotique dans un tel contexte induit des taux d’erreur de premier type instables et un risque majeur d’inférence fallacieuse. Le test exact garantit le respect rigoureux du critère de décision de Neyman-Pearson en maintenant le taux de fausse alarme sous un contrôle probabiliste strict.

Toutefois, face au paradigme bayésien émergeant, le test binomial exact partage les limites conceptuelles de l’inférence fréquentiste conventionnelle basée sur la p-valeur. Il ne fournit pas la probabilité que l’hypothèse nulle soit vraie au vu des données observées, mais exclusivement la probabilité d’observer des données au moins aussi extrêmes que celles recueillies sous la supposition axiomatique que l’hypothèse nulle est vraie. Dans une approche bayésienne de l’estimation des proportions, le paramètre π est traité non pas comme une valeur fixe inconnue, mais comme une variable aléatoire dotée d’une distribution a priori (fréquemment une loi Bêta) que les données empiriques viennent actualiser sous la forme d’une distribution a posteriori. Si le chercheur doit intégrer des connaissances préalables quantifiées ou comparer des modèles concurrents via des facteurs de Bayes, le test binomial fréquentiste s’avère structurellement inopérant, ce qui n’altère en rien son autorité lorsqu’il s’agit de tester une hypothèse de réfutation stricte sans a priori subjectif.

2. Fondements mathématiques et formalisation des hypothèses statistiques

2.1 Spécification rigoureuse des hypothèses nulle et alternatives

La formulation des hypothèses au sein du cadre formel du test binomial exact exige une rigueur mathématique irréprochable quant à la définition du paramètre de population π. L’hypothèse nulle, notée conventionnellement H0, stipule que le paramètre latent π est rigoureusement égal à une valeur théorique prédéfinie p0, ce qui se traduit par l’égalité formelle H0 : π = p0. En recherche expérimentale, p0 incarne presque universellement le niveau de référence attendu sous le seul régime du hasard probabiliste ou le taux de base épidémiologique documenté dans la population parente. L’hypothèse nulle constitue le postulat conservateur d’absence d’effet expérimental, d’absence de transfert mnésique ou d’incompétence discriminative de la part du système cognitif sous examen.

L’hypothèse alternative, formalisée par H1 ou HA, représente la négation mathématique de H0 et incarne l’espace des paramètres compatibles avec l’affirmation d’un phénomène psychologique réel. Selon la nature des justifications théoriques pré-expérimentales, HA peut adopter une forme bilatérale ou unilatérale. L’hypothèse alternative bilatérale s’écrit HA : π ≠ p0. Elle postule simplement que la probabilité réelle de l’événement s’écarte de la valeur nulle, sans préjuger a priori du sens de cette divergence. Ce choix s’impose impérativement lorsque les conséquences théoriques d’une performance anormalement élevée ou anormalement dégradée présentent toutes deux un intérêt conceptuel majeur pour le chercheur.

À l’inverse, les hypothèses alternatives unilatérales directionnelles contraignent l’espace de rejet dans une seule direction de la distribution d’échantillonnage. On distingue l’hypothèse de supériorité, formalisée par HA : π > p0, et l’hypothèse d’infériorité ou d’inhibition, exprimée par HA : π < p0. Ces formulations unilatérales ne peuvent être mobilisées de manière scientifiquement légitime que si le chercheur dispose d’une prédiction théorique solide étayée par la littérature ou si les déviations observées dans la direction opposée sont rigoureusement dépourvues de sens pratique ou conceptuel. La sélection de la forme de l’hypothèse alternative dicte mathématiquement les modalités d’agrégation de la p-valeur exacte.

2.2 Formule analytique de la p-valeur exacte

La p-valeur exacte associée au test binomial correspond à la probabilité cumulative d’obtenir, sous l’empire de l’hypothèse nulle H0 : π = p0, un nombre de succès au moins aussi extrême que la valeur empirique k observée au terme des n essais. Dans le cas d’une hypothèse unilatérale à droite (test de supériorité où HA : π > p0), la p-valeur s’obtient par la sommation stricte des probabilités discrètes de masse associées à chaque valeur entière comprise entre le nombre de succès observés k et le nombre maximal d’essais n. Cette intégration discrète se formule ainsi :

La somme, pour la variable indicée i allant de k jusqu’à n, du produit entre la combinaison de i parmi n, de p0 à la puissance i, et de (1 – p0) à la puissance (n – i). Réciproquement, pour un test unilatéral à gauche (test d’infériorité où HA : π < p0), la p-valeur exacte est définie comme la somme discrète pour i allant de 0 jusqu’à k de ces mêmes probabilités binomiales élémentaires. Ces formulations unilatérales ne posent aucune ambiguïté calculatoire puisqu’elles intègrent une région de rejet topologiquement continue sur l’espace d’échantillonnage discret.

En revanche, le calcul de la p-valeur bilatérale sous une distribution binomiale asymétrique (qui survient inévitablement dès lors que p0 est distinct de 0,50) soulève des difficultés méthodologiques notoires et fait l’objet de divergences algorithmiques. Deux méthodes dominent la littérature statistique : la méthode de symétrie et la méthode de minimisation de la vraisemblance, souvent désignée comme la règle des probabilités ordonnées ou méthode de Clopper et Pearson. Cette dernière, implémentée nativement dans R au sein de la fonction dédiée, définit la p-valeur bilatérale comme la somme des probabilités de toutes les issues y de 0 à n dont la probabilité élémentaire sous H0 est strictement inférieure ou égale à la probabilité élémentaire de l’issue empiriquement observée k. Ce protocole évite d’imposer une symétrie artificielle sur un espace de probabilités discontinu et asymétrique, bien qu’il renforce le conservatisme inhérent aux tests exacts sur données discrètes.

2.3 Intervalles de confiance associés : Approche de Clopper-Pearson

L’estimation ponctuelle de la proportion observée ne saurait suffire à renseigner le chercheur sur la précision de la mesure sans la dérivation d’un intervalle de confiance robuste. Dans le contexte du test binomial exact, la méthode de référence absolue est l’intervalle d’inversion exacte développé par Clopper et Pearson en 1934. Le principe mathématique fondamental repose sur l’inversion du test binomial exact : l’intervalle de confiance bilatéral à 100(1 – α)% pour le paramètre π est défini comme l’ensemble des valeurs théoriques p0 qui ne seraient pas rejetées au seuil d’erreur de premier type α par un test binomial bilatéral confronté au nombre de succès k observé sur n essais.

Formellement, les bornes inférieure et supérieure de cet intervalle exact se calculent sans recourir à des approximations asymptotiques en exploitant la relation fondamentale liant la fonction de distribution cumulative binomiale à la distribution Bêta continue (ou, de manière équivalente, à la distribution de Fisher-Snedecor). La borne inférieure de l’intervalle de Clopper-Pearson correspond au quantile d’ordre α/2 d’une distribution Bêta de paramètres de forme k et n – k + 1. Symétriquement, la borne supérieure de l’intervalle est donnée par le quantile d’ordre 1 – α/2 d’une distribution Bêta dont les paramètres de forme sont k + 1 et n – k. Cette propriété permet d’obtenir des bornes analytiques déterministes d’une précision totale, y compris dans les cas limites où k = 0 ou k = n.

Une comparaison critique avec les intervalles de confiance asymptotiques met en lumière la supériorité structurelle de Clopper-Pearson en matière de couverture nominale garantie. L’intervalle conventionnel de Wald, formulé par l’addition et la soustraction de l’erreur-type normale multipliée par le quantile de la loi normale centrée réduite, souffre de dysfonctionnements majeurs : son taux de couverture empirique chute dramatiquement sous le seuil nominal 1 – α lorsque la proportion est proche de 0 ou 1, ou lorsque n est restreint, produisant même parfois des bornes aberrantes situées hors de l’espace paramétrique [0, 1]. D’autres alternatives comme l’intervalle du score de Wilson ou l’intervalle d’Agresti-Coull procurent d’excellentes propriétés d’approximation, mais seul l’intervalle de Clopper-Pearson garantit mathématiquement que la probabilité de capture du paramètre inconnu π est strictement supérieure ou égale au niveau de confiance nominal spécifié, scellant son caractère de standard protecteur contre les erreurs de généralisation.

3. Prérequis méthodologiques et conditions d’application en psychologie

3.1 Nature dichotomique de la variable dépendante

L’administration valide du test binomial repose en premier lieu sur la structure de mesure de la variable dépendante, laquelle doit impérativement présenter une nature nominale dichotomique. Chaque observation collectée doit appartenir de manière non ambiguë à l’une des deux modalités définies par le protocole expérimental, ces deux catégories devant être rigoureusement mutuellement exclusives (aucun événement ne peut appartenir simultanément aux deux classes) et collectivement exhaustives (chaque événement mesuré doit obligatoirement être classé dans l’une des deux catégories). En psychologie expérimentale, cette condition est satisfaite par des designs standardisés de type décision binaire (reconnaissance oui/non, choix entre deux cibles perceptuelles A et B, classification d’un stimulus comme familier ou inédit).

Cependant, une dérive méthodologique fréquente consiste à dichotomiser artificiellement des variables continues initialement mesurées sur des échelles d’intervalles, au moyen de séparations par la médiane ou de coupures arbitraires de scores psychométriques. Cette pratique de dichotomisation artificielle est universellement condamnée par les méthodologistes de la recherche comportementale, car elle entraîne une déperdition massive de puissance statistique, une perte d’information quant à la variabilité intra-individuelle et un risque accru de détection de faux effets de corrélation fallacieux. Le test binomial ne doit jamais être utilisé pour analyser des scores continus découpés a posteriori, mais doit demeurer strictement réservé aux variables dont la nature conceptuelle intrinsèque est indiscutablement binaire.

De surcroît, le chercheur doit exercer un contrôle sémantique et procédural strict sur l’équivalence psychologique des modalités de réponse. Lors de l’administration de questionnaires ou de tâches informatisées, la symétrie cognitive des options de réponse (par exemple la polarité d’attribution d’une touche de clavier pour le « Oui » versus le « Non ») doit être neutralisée par des procédures de contrebalancement systématique entre les participants afin d’éviter qu’un biais moteur systématique ne vienne altérer l’orthogonalité de la mesure binaire.

3.2 Indépendance stricte des observations

L’indépendance statistique des observations représente la condition sine qua non de validité du modèle binomial. Mathématiquement, cette condition exige que l’issue d’un essai expérimental donné ne fournisse aucune information prédictive quant à l’issue des essais subséquents, ce qui se traduit par la nullité des covariances conditionnelles entre l’ensemble des paires d’observations formant l’échantillon. Dans les sciences du comportement, cette hypothèse d’indépendance est particulièrement vulnérable et fréquemment violée lors de l’application du test sur des protocoles à mesures répétées ou des séries chronologiques d’essais psychophysiques.

Lorsque le test binomial est calculé en agrégeant l’ensemble des essais d’un unique participant soumis à une batterie de stimulations successives, divers processus psychologiques dynamiques sont susceptibles d’induire une dépendance séquentielle majeure. Les phénomènes de fatigue cognitive, les effets d’apprentissage implicite au fil des blocs expérimentaux, les stratégies de persévération de réponse (tendance à répéter la même option motrice indépendamment de la stimulation) ou les biais de récence constituent des sources massives d’autocorrélation temporelle. Si un participant tend à corriger spontanément sa réponse précédente sur la base d’une heuristique de joueur (croyance fallacieuse que le hasard doit s’équilibrer localement), les épreuves ne sont plus indépendantes et la variance réelle de l’échantillon s’écarte substantiellement de la variance binomiale théorique formulée par n π (1 – π).

Pour prévenir cette violation déstabilisatrice, l’expérimentateur doit mettre en œuvre des stratégies de randomisation temporelle rigoureuse, insérer des intervalles inter-stimulus variables pour désynchroniser les anticipations rythmiques et vérifier par des tests d’autocorrélation (tels que le test des suites ou des modèles autorégressifs) l’absence de structure séquentielle avant de condenser les données en vue du test binomial. Lorsque l’analyse est conduite au niveau du groupe, chaque unité statistique doit provenir d’un participant distinct prélevé indépendamment au sein de la population cible, proscrivant formellement l’agrégation aveugle d’essais intra-sujets au sein d’un pool d’échantillonnage unique.

3.3 Constance de la probabilité de succès et représentativité

Le troisième prérequis fondamental du modèle binomial postule l’invariance temporelle et contextuelle du paramètre latent π tout au long de la phase de recueil des données. Ce critère de stationnarité impose que la probabilité théorique de succès demeure strictement constante d’un essai à l’autre et d’un individu à l’autre au sein de l’échantillon analysé. Si la probabilité sous-jacente fluctue au gré des essais sous l’effet de fluctuations d’attention, de variations de la luminosité ambiante dans le laboratoire, ou de disparités d’étalonnage des appareils de mesure, le modèle généré n’est plus une distribution binomiale standard, mais une distribution binomiale de Poisson ou une distribution bêta-binomiale caractérisée par un phénomène de surdispersion.

L’évaluation des biais de passation prend ici toute son importance en expérimentation humaine. L’expérimentateur doit veiller à une standardisation absolue des consignes verbales ou écrites, à l’homogénéité des interfaces matérielles et au contrôle des variables parasites environnementales (bruit ambiant, température, heure de passation en relation avec les rythmes circadiens de vigilance). Dans les paradigmes d’apprentissage où la performance s’améliore structurellement de bloc en bloc, le paramètre π évolue de façon croissante au cours du temps, interdisant le recours au test binomial sur l’ensemble de la session globale au profit d’analyses par tranches temporelles stabilisées ou de modèles de régression logistique à effets mixtes.

Enfin, la représentativité de l’échantillon vis-à-vis de la population parente conditionne l’extrapolabilité externe de l’inférence. Bien que le test binomial conserve une validité mathématique interne exacte quelle que soit la taille n retenue, même minime, la portée théorique des conclusions tirées dépend de la sélection non biaisée des sujets expérimentaux. Un échantillon restreint mais exempt de biais de sélection fournira, grâce au test exact, une quantification inférentielle indiscutable des probabilités d’erreur associées au rejet de l’hypothèse nulle.

4. Syntaxe et structure de la fonction binom.test() dans l’environnement R

4.1 Décomposition exhaustive des arguments de binom.test()

L’environnement statistique R implémente le test binomial exact par le biais de la fonction native issue du package de base de statistiques : binom.test(). Conçue pour offrir une interface algorithmique simple mais exhaustive, cette routine mobilise cinq arguments principaux permettant de spécifier l’intégralité des paramètres de modélisation mathématique du test exact. La signature standardisée de la fonction se présente sous la forme générale : binom.test(x, n, p = 0.5, alternative = « two.sided », conf.level = 0.95).

L’argument x reçoit les données relatives aux occurrences du succès empirique. Il peut être instancié soit sous la forme d’un entier scalaire unique représentant le nombre total d’événements positifs dénombrés, soit sous la forme d’un vecteur binaire à deux éléments contenant respectivement le nombre de succès et le nombre d’échecs. Dans cette dernière configuration vectorielle, l’argument complémentaire n devient parfaitement optionnel puisque le nombre total d’essais est directement déduit par la somme des deux composantes vectorielles. Si x est un entier scalaire unique, l’argument n doit impérativement être explicité sous la forme d’un entier strictly positif représentant l’effectif global des essais observés.

Le paramètre p correspond à la probabilité de succès postulée sous l’hypothèse nulle H0. Sa valeur par défaut est fixée à 0.5, ce qui reflète l’hypothèse classique d’équivalence entre deux alternatives équiprobables (modélisant le hasard absolu dans une tâche dichotomique symétrique). Le chercheur peut toutefois attribuer à p n’importe quelle valeur réelle appartenant à l’intervalle ouvert ]0, 1[ pour refléter des taux de base théoriques ou des probabilités de fausse alarme asymétriques. L’argument alternative accepte une chaîne de caractères définissant l’orientation de l’hypothèse de recherche, parmi les trois options formelles : « two.sided » (test bilatéral, option activée par défaut), « greater » (test unilatéral de supériorité testant si π > p), et « less » (test unilatéral d’infériorité testant si π < p). Enfin, l'argument conf.level stipule le niveau de confiance nominal pour la dérivation de l’intervalle exact de Clopper-Pearson, initialisé conventionnellement à 0.95 pour un taux d’erreur bilatéral de cinq pour cent.

4.2 Préparation et nettoyage des données dans R

Dans la pratique contemporaine de la recherche en psychologie, les données brutes proviennent rarement d’une saisie manuelle de compteurs agrégés, mais sont générées de manière massive et désagrégée par des logiciels de passation expérimentale tels que PsychoPy, OpenSesame, Gorilla Experiment Builder ou Qualtrics. Ces plateformes délivrent des fichiers tabulaires (fichiers au format CSV ou TSV) au sein desquels chaque ligne matérialise un essai élémentaire réalisé par un participant donné, avec des colonnes codant l’exactitude de la réponse sous forme textuelle ou numérique.

L’étape préliminaire sous R consiste à importer le jeu de données au sein d’une structure native de type data.frame ou de type tibble (au sein du standard moderne du tidyverse) et à transformer la variable d’intérêt en un vecteur binaire propre. Supposons une colonne textuelle nommée reponse_correcte contenant les chaînes « correct » et « incorrect ». L’analyste procède à une vectorisation logique ou numérique en traduisant cette modalité par des valeurs booléennes TRUE et FALSE ou par les entiers binaires 1 et 0. Les fonctions de base du langage permettent d’extraire les grandeurs requises sans recourir à des boucles impératives coûteuses.

L’extraction automatisée des compteurs de succès s’opère directement par l’application de la fonction de sommation arithmétique sum() appliquée sur le vecteur logique, laquelle exploite le mécanisme d’évaluation automatique de R convertissant les booléens TRUE en entiers unitaires : nombre_succes <- sum(donnees$reponse_correcte == « correct », na.rm = TRUE). Parallèlement, l’effectif total n des essais valides non manquants est extrait à l’aide de la fonction d’interrogation de longueur vectorielle length() ou par le comptage des valeurs définies : nombre_total <- sum(!is.na(donnees$reponse_correcte)). Ces deux scalaires alimentent ensuite directement les arguments x et n de l’algorithme d’inférence binomiale.

4.3 Gestion des objets de sortie créés par la fonction

L’exécution de la commande binom.test() ne produit pas une simple chaîne de caractères affichée dans la console R, mais retourne un objet computationnel structuré hautement standardisé appartenant formellement à la classe S3 nommée htest (acronyme de hypothesis test). Cette architecture orientée objet encapsule l’ensemble des métriques inférentielles, statistiques et descriptives calculées par la fonction, permettant une interrogation programmatique automatisée particulièrement puissante lors de la génération dynamique de rapports scientifiques reproductibles.

Pour exploiter pleinement la sortie, l’utilisateur assigne le résultat de l’exécution à une variable nommée au sein de son environnement de travail : resultat_test <- binom.test(x = 18, n = 24, p = 0.5). Une inspection de la structure interne au moyen de la fonction native names(resultat_test) ou de la commande réflexive str(resultat_test) révèle que cet objet de classe htest est structuré sous la forme d’une liste de paramètres indicés par des identifiants sémantiques stricts. Chaque composante peut ainsi être extraite à l’aide de l’opérateur d’indexation monétaire habituel du langage R.

Parmi les attributs clés figurent : resultat_test$statistic, qui contient la valeur scalaire du nombre de succès observés (x) ; resultat_test$parameter, renseignant le nombre total d’essais réalisés (n) ; resultat_test$p.value, isolant la valeur flottante exacte de la p-valeur calculée ; resultat_test$conf.int, qui se compose d’un vecteur numérique à deux éléments renfermant respectivement la borne inférieure et la borne supérieure de l’intervalle de Clopper-Pearson, tout en portant un attribut métadonnée conf.level indiquant le seuil de couverture retenu ; resultat_test$estimate, explicitant la proportion empirique d’échantillon k/n ; resultat_test$null.value, rappelant la probabilité p0 assignée à l’hypothèse nulle ; et enfin resultat_test$method et resultat_test$alternative, décrivant textuellement l’algorithme exact employé et le type de contraste directionnel appliqué. Cette granularité permet de concaténer programmatiquement des centaines de tests au sein de matrices de résultats pour des analyses à haut débit.

5. Mise en œuvre d’un test binomial bilatéral sous R : Cas pratique guidé

5.1 Présentation du protocole expérimental : Tâche de perception subliminale

Afin de contextualiser concrètement la démarche d’analyse, considérons un protocole expérimental standard issu du champ de la psychologie cognitive de la conscience et de la psychophysique visuelle. Le paradigme s’intéresse à la discrimination visuelle inconsciente par le biais d’un protocole de masquage visuel rétroactif à forte contrainte temporelle. Un participant unique est installé face à un tachistoscope calibré ou un écran à haut taux de rafraîchissement. À chaque essai, un stimulus visuel géométrique simple (soit un cercle parfait, soit un carré parfait de surface équiluminante) est présenté au centre du champ visuel pendant une durée de 16 millisecondes, immédiatement suivie d’un masque visuel texturé dynamique d’une durée de 250 millisecondes annihilant la sensation visuelle consciente phénoménologique.

La tâche requise du participant relève du choix forcé : bien qu’il rapporte systématiquement l’impression subjective de ne percevoir qu’un flash lumineux informe ou le motif du masque, il est contraint d’indiquer si le stimulus masqué était un cercle ou un carré en pressant l’un des deux commutateurs dédiés. En l’absence totale de détection perceptive (c’est-à-dire sous l’empire de la théorie stipulant l’impossibilité d’un traitement sémantique ou morphologique sans conscience d’accès), le sujet opère une devinette aveugle. Dès lors, la probabilité théorique de classification correcte par pur hasard est rigoureusement égale à p0 = 0.50, le protocole présentant un nombre rigoureusement égal d’essais arborant des cercles et des carrés distribués selon un ordre pseudo-aléatoire sans remise.

Le protocole comporte une série critique restreinte de 24 essais discriminatifs. Au terme de cette session hautement contrôlée, le dépouillement informatique des enregistrements comportementaux révèle que le participant a fourni une réponse correcte lors de 18 essais sur 24. L’expérimentateur souhaite déterminer si cette performance empirique, équivalant à un taux de succès apparent de 75 %, constitue une déviation statistiquement significative par rapport au niveau de chance théorique, ou si une telle observation demeure raisonnablement attribuable aux fluctuations aléatoires inhérentes à l’échantillonnage de Bernoulli.

5.2 Exécution pas à pas du code R pour l’analyse bilatérale

L’analyse est menée sous l’angle d’une hypothèse bilatérale. Ce choix épistémologique est dicté par le fait qu’en psychophysique subliminale, un écart statistiquement significatif au-dessus du hasard signe une capacité discriminative résiduelle non consciente (phénomène de vision aveugle ou blindsight), tandis qu’un écart statistiquement significatif en dessous du hasard (performance anormalement médiocre) pourrait révéler un processus de censure cognitive active, un biais de compensation motrice ou un phénomène d’inhibition perceptive inconsciente. Dès lors, les deux queues de la distribution probabiliste possèdent une signification conceptuelle majeure.

Dans l’éditeur de script R, le chercheur documente sa démarche selon les préceptes de la science ouverte en définissant explicitement les variables empiriques avant l’appel à la fonction inférentielle :

nb_succes <- 18
nb_essais <- 24
prob_nulle <- 0.50
analyse_perception <- binom.test(x = nb_succes, n = nb_essais, p = prob_nulle, alternative = « two.sided », conf.level = 0.95)
print(analyse_perception)

L’exécution de cette séquence dans la console de programmation R déclenche immédiatement l’évaluation exacte des probabilités combinatoires sans mobiliser aucune approximation continue. Le résultat produit est instantané et déterministe, garantissant une reproductibilité numérique absolue d’une machine à l’autre sans aucune sensibilité aux graines de générateurs de nombres pseudo-aléatoires, le test exact ne reposant pas sur des méthodes de rééchantillonnage de Monte Carlo mais sur la résolution analytique des équations polynomiales discrètes de Bernoulli.

5.3 Explication séquentielle de la sortie textuelle générée

L’affichage généré par la console R suite à l’exécution de la commande standard se décompose en un bloc de texte structuré et standardisé que tout analyste doit savoir décrypter avec acuité. La première ligne spécifie le titre formel de la procédure appliquée : Exact binomial test, attestant sans ambiguïté qu’aucun ajustement asymptotique n’a été substitué aux calculs factoriels réels. La ligne immédiatement inférieure récapitule les données empiriques saisies sous la forme : data: 18 and 24, confirmant le nombre de succès (18) et le volume total d’épreuves (24).

La ligne maîtresse de la sortie inférentielle indique : number of successes = 18, number of trials = 24, p-value = 0.02256. La valeur de probabilité ainsi dérivée s’établit à approximativement p = 0.023. En confrontant cette p-valeur exacte au seuil de significativité conventionnel fixé a priori à α = 0.05, l’expérimentateur constate formellement que p < α. En conséquence, l’hypothèse nulle H0 : π = 0.50 doit être rejetée avec confiance au profit de l’hypothèse alternative HA : π ≠ 0.50. L’assertion statistique selon laquelle le sujet a répondu selon les seules lois du hasard équiprobable est donc empiriquement intenable.

La ligne textuelle suivante explicite la nature de la conjecture alternative retenue : alternative hypothesis: true probability of success is not equal to 0.5. En dessous, le bloc d’estimation renseigne l’intervalle de confiance calculé selon la formulation de Clopper-Pearson : 95 percent confidence interval: 0.5326744 0.9022646. Cet intervalle indique que la proportion réelle de détection du participant dans la population théorique d’essais infinis se situe, avec un niveau de confiance garanti de 95 %, entre 53,27 % et 90,23 %. La borne inférieure de cet intervalle exact étant strictement supérieure à la valeur de référence de 0.50, l’intervalle corrobore sans ambiguïté le rejet de l’hypothèse nulle. Enfin, la dernière section de l’affichage livre l’estimation ponctuelle empirique du paramètre latent sous l’en-tête sample estimates: probability of success: 0.75, correspondant au ratio exact de 18 divisé par 24.

6. Mise en œuvre des tests binomiaux unilatéraux sous R : Supériorité et infériorité

6.1 Test de supériorité (alternative = ‘greater’)

Dans de multiples configurations d’investigation expérimentale, la théorie psychologique sous-jacente interdit conceptuellement l’hypothèse d’une détérioration sous le niveau du hasard ou confère une importance exclusive à l’acquisition d’une habileté positive. C’est typiquement le cas dans l’évaluation des paradigmes d’apprentissage implicite, de remédiation cognitive ou de transfert de compétences motrices. Prenons l’illustration d’une tâche d’apprentissage procédural implicite à quatre alternatives de choix équiprobables. À chaque essai, une cible apparaît dans l’un des quatre quadrants d’un moniteur. Le niveau théorique de réponse correcte par pur hasard est dès lors de p0 = 1/4 = 0.25.

Un chercheur évalue un participant après une phase intensive d’entraînement sensorimoteur dissimulé en lui soumettant 20 essais probes critiques. Le sujet réussit 15 de ces 20 essais. L’hypothèse de travail postule de manière unilatérale stricte que l’apprentissage ne peut que majorer le taux de réussite au-delà de 25 %, l’hypothèse d’une performance inférieure n’ayant aucune recevabilité conceptuelle dans le modèle de plasticité cérébrale testé. L’analyste programme l’évaluation sous R en paramétrant l’argument alternative = « greater » :

resultat_superiorite <- binom.test(x = 15, n = 20, p = 0.25, alternative = « greater »)
print(resultat_superiorite)

La console renvoie une p-valeur unilatérale infinitésimale de l’ordre de p = 4.79e-07, conduisant à un rejet indiscutable de l’hypothèse nulle. Une propriété fondamentale de la sortie unilatérale à droite concerne la structure de l’intervalle de confiance de Clopper-Pearson généré. Contrairement au test bilatéral qui produit un intervalle borné des deux côtés, le test de supériorité calcule un intervalle de confiance unilatéral unifié dont la borne supérieure est contrainte par définition à l’unité absolue (1.0000000). La sortie indique ainsi un intervalle s’étendant de 0.5487771 à 1.0000000 à un niveau de confiance de 95 %. Cela signifie que l’analyste peut affirmer avec 95 % de confiance statistique que la proportion réelle d’apprentissage latent excède au minimum 54,88 %, confirmant spectaculairement la supériorité de la performance par rapport au seuil critique initial de 0.25.

6.2 Test d’infériorité ou d’inhibition (alternative = ‘less’)

À l’opposé structural des épreuves d’acquisition, de nombreux protocoles en psychopathologie expérimentale, en psychopharmacologie cognitive et dans l’étude des fonctions exécutives examinent des mécanismes d’inhibition comportementale active ou d’extinction de réflexes conditionnés. Dans ces paradigmes, le succès expérimental réside dans la réduction massive d’une réponse indésirable en dessous d’un taux d’occurrence de référence. Supposons une recherche portant sur l’extinction d’un réflexe de sursaut défensif conditionné chez des sujets présentant un trouble de stress post-traumatique soumis à une thérapie d’exposition assistée par réalité virtuelle.

Le taux épidémiologique résiduel documenté de réactivité involontaire en présence d’un stimulus déclencheur standardisé est de p0 = 0.30 (soit 30 % de déclenchements réflexes au sein de cette cohorte clinique). Après administration du protocole thérapeutique, un patient est exposé à 25 présentations critiques du stimulus ambiant et ne manifeste une réaction symptomatique que lors de 3 présentations seulement. L’investigateur cherche à démontrer statistiquement que le taux d’activation phobique a été significativement restreint sous le seuil critique de 30 %. L’analyse sous R est formulée à l’aide du paramètre d’infériorité unilatérale :

resultat_inhibition <- binom.test(x = 3, n = 25, p = 0.30, alternative = « less »)
print(resultat_inhibition)

Le traitement algorithmique délivre une p-valeur exacte unilatérale de p = 0.03324. Cette valeur demeurant inférieure au seuil alpha critique usuel de 0.05, l’expérimentateur conclut à une extinction symptomatique statistiquement significative. Dans cette configuration d’infériorité, l’intervalle de confiance unilatéral exact fourni par R ancre invariablement sa borne inférieure à zéro (0.0000000) et formalise une borne supérieure de confiance égale à 0.2706334. L’interprétation scientifique certifie ainsi, au seuil de confiance de 95 %, que la probabilité réelle de déclenchement du comportement symptomatique ne dépasse pas 27,06 %, se situant donc résolument en deçà du taux de référence de base de 30 %.

6.3 Dilemmes statistiques liés au choix de l’unilatéralité

Bien que l’argument mathématique en faveur des tests unilatéraux réside dans un gain mécanique de puissance statistique (l’intégralité du risque de premier type α étant concentrée dans une seule queue de la distribution sans division par deux), leur utilisation soulève d’immenses dilemmes déontologiques, statistiques et épistémologiques dans la recherche contemporaine. L’écueil méthodologique majeur réside dans la tentation de sélectionner l’hypothèse unilatérale de manière post-hoc, c’est-à-dire après avoir constaté visuellement la direction de l’effet dans les données recueillies. Une telle pratique double subrepticement le taux d’erreur de type I réel, violant l’intégrité de la méthode de Neyman-Pearson et participant directement à la crise de la reproductibilité en psychologie.

Si un test bilatéral appliqué aux données du paragraphe précédent avait produit une p-valeur de 0.06648 (non significative au seuil classique de 5 %), décider rétroactivement de basculer vers un argument alternative = « less » pour faire artificiellement franchir à la p-valeur le seuil symbolique de 0.05 constitue une falsification méthodologique connue sous le terme de p-hacking. D’un point de vue épistémologique, un test unilatéral rend le chercheur mathématiquement aveugle à toute découverte inattendue survenant dans la direction opposée : si le traitement thérapeutique avait massivement exacerbé le réflexe conditionné en le portant à 95 % de réactivité, le test unilatéral d’infériorité aurait mathématiquement retourné une p-valeur proche de 1.0, concluant paradoxalement à l’absence de tout rejet de H0 malgré une altération comportementale majeure.

En vertu des standards éditoriaux de l’American Psychological Association et des consortiums de science ouverte, l’usage d’un test binomial unilatéral sous R n’est méthodologiquement admissible que si le protocole expérimental et l’orientation exacte du contraste directionnel ont fait l’objet d’un pré-enregistrement formel et public (par exemple sur le registre de l’Open Science Framework) préalablement au recueil de la moindre donnée observationnelle.

7. Interprétation académique et décomposition des sorties R

7.1 Signification statistique versus pertinence théorique

L’une des distinctions les plus cardinales que l’analyste de données doit opérer lors de la restitution des résultats issus de la fonction binom.test() réside dans la disjonction conceptuelle entre significativité statistique et ampleur ou pertinence clinique et théorique du phénomène mesuré. L’obtention d’une p-valeur inférieure au seuil alpha nominal (typiquement p < 0.05) autorise formellement le rejet de l’hypothèse nulle d’équiprobabilité ou de conformité, mais ne fournit, par nature mathématique, aucune métrique directe quant à la grandeur psychologique de l’effet expérimental.

La p-valeur exacte dépend intrinsèquement de deux facteurs conjoints : la magnitude de la déviation réelle du paramètre π par rapport à la valeur postulée p0, et la taille globale de l’échantillon n. Au sein de volumineuses bases de données numériques (issues par exemple de collectes en ligne sur des foules d’utilisateurs regroupant des milliers d’observations), une déviation microscopique et trivialement dépourvue de signification cognitive (par exemple une proportion empirique de succès de 0.505 comparée à une chance théorique de 0.500 sur un échantillon de n = 100 000 essais) produira une p-valeur hautement significative (p < 0.001). L’analyste naïf conclurait indûment à la manifestation d’une capacité cognitive exceptionnelle, alors que l’effet ne représente qu’un bruit de mesure imperceptible.

À l’inverse, sur des échantillons restreints inhérents aux protocoles de cas cliniques (par exemple 7 succès sur 8 essais), la proportion observée est spectaculaire (87.5 %), témoignant d’une déviation clinique massive, mais le test binomial bilatéral retournera une p-valeur exacte de p = 0.0703, échouant de peu à franchir le couperet conventionnel de la significativité à 5 %. Il est dès lors impératif de dissocier la décision de rejet de l’hypothèse nulle de l’estimation ponctuelle du paramètre extrait (fourni par resultat$estimate), lequel constitue l’estimateur sans biais du maximum de vraisemblance de l’efficacité intrinsèque du processus psychologique sous investigation.

7.2 Décryptage de l’intervalle de confiance de Clopper-Pearson

L’analyse approfondie de l’intervalle de confiance de Clopper-Pearson délivré par l’attribut resultat$conf.int constitue le rempart méthodologique le plus efficace contre les errements interprétatifs induits par la seule lecture mécanique de la p-valeur. La caractéristique fondamentale de cet intervalle exact réside dans son conservatisme structurel : sa probabilité de couverture théorique est rigoureusement garantie comme étant supérieure ou égale au niveau nominal spécifié (par exemple 95 %), compensant ainsi les effets de discrétisation de la fonction de masse binomiale sous-jacente.

Une attention analytique particulière doit être portée à l’asymétrie marquée de l’intervalle de Clopper-Pearson lorsque la proportion observée s’éloigne de la symétrie centrale de 0.50 pour se rapprocher des frontières physiques de l’espace des probabilités (0 ou 1). Considérons un protocole de diagnostic neuropsychologique où un patient n’échoue à aucun des 15 tests administrés (15 succès sur 15 essais, soit une proportion observée de 1.00). L’application de la fonction binom.test(15, 15, p = 0.5) génère un intervalle de confiance bilatéral à 95 % compris entre 0.7820718 et 1.0000000. Cet intervalle démontre que malgré un taux d’efficacité empirique parfait de 100 %, l’incertitude d’échantillonnage induite par la petitesse de n demeure compatible avec une proportion réelle de réussite sous-jacente pouvant descendre jusqu’à 78,21 %.

L’intervalle de confiance fournit ainsi une visualisation directe et continue de la précision d’estimation du paramètre latent. Sa largeur globale renseigne sur l’incertitude épistémique du chercheur : plus l’échantillon n augmente, plus l’intervalle se resserre symétriquement autour de l’estimation ponctuelle. Dans la pratique de la restitution académique, l’intervalle de confiance doit systématiquement suppléer la p-valeur afin d’éclairer la plausibilité des tailles d’effet réelles compatibles avec le protocole expérimental conduit.

7.3 Mesures de taille d’effet associées à la proportion binomiale

Conformément aux recommandations éditoriales de la communauté scientifique internationale, la publication d’un test statistique inférentiel doit impérativement être adossée à une métrique standardisée de la taille d’effet (effect size). Dans le cadre du test de conformité d’une proportion, l’indice standardisé universellement reconnu en psychométrie est le h de Cohen, théorisé par Jacob Cohen dans ses traités canoniques sur l’analyse de puissance statistique.

La métrique du h de Cohen quantifie l’écart directionnel entre deux proportions en procédant à une transformation non linéaire préalable de stabilisation de la variance, appelée transformation arc-sinus racine carrée. La formule analytique fondamentale stipule que :

h = 2 × arcsin(√π_observée) – 2 × arcsin(√p_théorique)

L’intérêt mathématique cardinal de cette transformation géométrique angulaire réside dans le fait que la variance d’une différence brute entre deux proportions varie considérablement selon que les proportions se situent au centre de la distribution (proches de 0.50) ou à ses extrémités (proches de 0 ou de 1). L’application de la fonction trigonométrique stabilise la métrique d’échelle, conférant à une valeur unitaire de h une magnitude identique quelle que soit la position des proportions sur le spectre probabiliste.

Au sein de l’environnement R, le calcul informatisé de cette taille d’effet standardisée s’opère commodément grâce à la bibliothèque spécialisée pwr, téléchargeable depuis le dépôt central du CRAN. La routine dédiée s’intitule ES.h() :

library(pwr)
taille_effet_h <- ES.h(p1 = 0.75, p2 = 0.50)
print(taille_effet_h)

Dans cet exemple issu de notre tâche de perception subliminale (proportion empirique de 0.75 opposée au hasard de 0.50), l’évaluation numérique délivre une grandeur de h = 0.5236. Selon les repères heuristiques établis par Jacob Cohen pour les sciences sociales et comportementales, une valeur absolue de h avoisinant 0.20 signale un effet de faible magnitude ; une valeur comprise autour de 0.50 traduit un effet d’ampleur moyenne ; enfin, un indice égal ou supérieur à 0.80 reflète un effet de grande magnitude. L’analyste peut ainsi documenter rigoureusement que le sujet manifeste une discrimination perceptive subliminale d’une ampleur moyenne à forte, transcendant la simple affirmation dichotomique de sa significativité statistique.

8. Comparaison entre le test binomial exact et les alternatives asymptotiques

8.1 Le test d’approximation normale : prop.test() dans R

Il est courant dans la littérature méthodologique de voir substituer au test binomial exact le test d’ajustement de proportion basé sur l’approximation normale continue, matérialisé sous R par la fonction prop.test(). Cette routine repose conceptuellement sur le théorème de Moivre-Laplace, une déclinaison historique spécifique du théorème central limite affirmant que lorsque le nombre d’essais n tend vers l’infini, la distribution binomiale discrète converge asymptotiquement en loi vers une distribution normale continue de moyenne μ = n p0 et de variance σ² = n p0 (1 – p0).

La statistique de test calculée par prop.test() prend la forme d’un score de déviance du khi-deux à un degré de liberté (strictement équivalent au carré du score standardisé normal z²). Par défaut, la routine applique sur le numérateur du calcul la correction de continuité de Frank Yates (activée par le paramètre interne correct = TRUE), laquelle consiste à retrancher 0.5 à la valeur absolue de l’écart empirique afin d’atténuer l’erreur d’ajustement géométrique résultant de l’approximation d’une fonction de masse discrète en escalier par une courbe continue de densité gaussienne.

Une comparaison computationnelle directe sous R entre binom.test() et prop.test() sur un même jeu de données à effectif modéré (par exemple x = 18, n = 24, p = 0.50) illustre la divergence des sorties mathématiques. L’exécution de la commande prop.test(x = 18, n = 24, p = 0.5, correct = TRUE) génère une statistique X-squared = 4.1667 associée à une p-valeur de p = 0.04123. Bien que concordante sur le rejet de l’hypothèse nulle au seuil de 5 %, cette valeur s’écarte substantiellement de la p-valeur exacte délivrée par le test binomial, qui s’élève rigoureusement à p = 0.02256. De surcroît, l’intervalle de confiance calculé par prop.test() repose sur l’inversion du test du score de Wilson, différant structurellement des bornes strictes de Clopper-Pearson.

8.2 Critères d’admissibilité des tests asymptotiques (Règle de Cochran)

L’emploi du test asymptotique normal prop.test() est conditionné par la validation de règles de décision formelles stipulant les effectifs minimaux admissibles au sein des cellules théoriques de comptage. La règle la plus universellement consacrée dans la pratique statistique est la règle d’admissibilité de Cochran, qui exige que le produit de la taille d’échantillon par la probabilité théorique soit suffisant :

n × p0 ≥ 5 et n × (1 – p0) ≥ 5

De nombreux statisticiens contemporains préconisent d’élever ce seuil de tolérance à une valeur minimale de 10 événements attendus par classe, particulièrement lorsque la proportion nulle p0 est fortement asymétrique (très éloignée de 0.50). Si cette condition n’est pas rigoureusement satisfaite, la distribution d’échantillonnage de la statistique de test dévie considérablement de la distribution théorique du khi-deux, entraînant une invalidation massive du contrôle de l’erreur de type I. Le taux réel de fausses alarmes peut alors exploser ou, à l’inverse, s’effondrer selon la configuration des paramètres, ruinant la crédibilité inférentielle de la recherche.

Dans la mesure où l’interpréteur R intègre la routine native exacte binom.test() dont le coût algorithmique est totalement négligeable sur les ordinateurs contemporains (le calcul ne réclamant que quelques microsecondes pour des valeurs de n s’élevant à plusieurs dizaines de milliers d’essais), la recommandation méthodologique moderne en psychologie quantitative est catégorique : il n’existe aucune justification scientifique valable pour recourir à l’approximation de prop.test() pour le test d’une proportion unique. Le test binomial exact de Clopper-Pearson doit demeurer l’unique algorithme sélectionné par le chercheur, éliminant par essence tout risque d’artefact asymptotique.

8.3 Sensibilité aux données extrêmes (zéro succès ou zéro échec)

La vulnérabilité majeure des approximations asymptotiques éclate au grand jour lors de la survenue de configurations empiriques extrêmes, caractérisées par l’absence totale d’événements dans l’une des modalités de réponse (soit zéro succès k = 0, soit zéro échec k = n). De tels scénarios sont réguliers en psychophysique visuelle à contraste supra-liminaire ou dans les études d’adhésion clinique à des protocoles contraignants, où tous les sujets répondent de manière unanime.

Confronté à une situation où k = 20 succès sont enregistrés sur n = 20 essais, l’estimateur de Wald s’effondre en calculant une variance d’échantillonnage nulle : (1.0 × 0.0) / 20 = 0. L’intervalle de confiance asymptotique standard dégénère en un point d’une largeur nulle [1.00 ; 1.00], affirmant de manière absurde l’absence de toute incertitude de mesure. La commande prop.test() éprouve des difficultés à modéliser la correction de continuité aux frontières de l’espace admissible, générant des messages d’avertissement quant à la convergence algorithmique.

À l’opposé, le test binomial exact binom.test(20, 20, p = 0.5) maintient une stabilité analytique et computationnelle absolue. En vertu de la résolution exacte des intégrales de la loi Bêta, l’algorithme sous-jacent dérive instantanément un intervalle de Clopper-Pearson valide [0.8315664 ; 1.0000000] et une p-valeur bilatérale exacte de p = 1.907e-06. L’exactitude des calculs combinatoires garantit ainsi une transition fluide vers les bornes limites de l’espace paramétrique, sans produire la moindre indétermination numérique.

9. Calcul de la puissance statistique et dimensionnement d’échantillon sous R

9.1 Principes de la puissance statistique pour le test binomial

La planification rigoureuse d’une recherche comportementale impose de déterminer a priori la puissance statistique du protocole expérimental, définie comme la probabilité formelle de rejeter l’hypothèse nulle H0 lorsque celle-ci est effectivement fausse dans la population parente au bénéfice d’une hypothèse alternative d’une magnitude donnée. Mathématiquement, la puissance correspond au complémentaire de l’erreur de second type : Puissance = 1 – β. Conduire une étude sans calibration préalable de sa puissance expose l’investigateur au risque sévère de faux négatifs, gaspillant des ressources humaines et matérielles dans des investigations condamnées par avance à l’indécision statistique.

Le calcul de puissance pour un test binomial exact présente une complexité analytique spécifique absente des tests paramétriques continus classiques. En raison de la nature discrète de l’espace d’échantillonnage de Bernoulli, la région critique de rejet du test binomial évolue de manière discontinue par paliers entiers lorsque n s’incrémente. En conséquence, la courbe de puissance statistique ne suit pas une trajectoire monotone strictement croissante, mais manifeste des oscillations en dents de scie caractéristiques. Cette particularité géométrique impose de recourir à des algorithmes de recherche exacte pour déterminer la taille d’échantillon optimale évitant les zones de chute locale de puissance.

La puissance d’un test binomial s’articule formellement autour de quatre grandeurs interdépendantes : le seuil de signification de premier type spécifié (généralement α = 0.05), la taille totale d’échantillon n allouée au protocole, la proportion postulated sous l’hypothèse nulle p0, et la proportion attendue sous l’hypothèse alternative p1, dont l’écart avec p0 détermine la magnitude de la taille d’effet.

9.2 Utilisation du package ‘pwr’ pour le dimensionnement a priori

Le dimensionnement empirique d’un protocole expérimental mobilisant une proportion sous R s’effectue couramment via le package spécialisé pwr développé par Stéphane Champely, qui opérationnalise les équations de puissance standardisées de Jacob Cohen. La fonction dédiée à la comparaison d’une proportion unique à une référence constante est pwr.p.test().

Cette fonction requiert la spécification de quatre paramètres fonctionnels, la routine étant conçue pour résoudre l’équation vis-à-vis de l’argument laissé indéfini (fixé à la valeur NULL). Les arguments s’intitulent : h (la taille d’effet angulaire calculée via ES.h()), n (la taille de l’échantillon), sig.level (le risque alpha, initialisé à 0.05), power (le niveau de puissance statistique ciblé, typiquement 0.80 ou 0.90), et alternative (orientation du test : « two.sided », « greater », ou « less »).

Supposons qu’un chercheur souhaite calibrer un paradigme de discrimination cognitive opposant un niveau de chance de 0.50 à une performance attendue de 0.65 sous l’effet du traitement expérimental, en ciblant une puissance statistique conventionnelle de 80 % au risque alpha bilatéral de 5 %. Le script R s’articule ainsi :

library(pwr)
magnitude_effet <- ES.h(p1 = 0.65, p2 = 0.50)
calibration_echantillon <- pwr.p.test(h = magnitude_effet, sig.level = 0.05, power = 0.80, alternative = « two.sided »)
print(calibration_echantillon)

L’affichage numérique renvoie une valeur requise de n = 84.18. Étant donné l’impossibilité de fractionner un essai comportemental humain, l’analyste procède à l’arrondi supérieur conservateur, établissant que le protocole doit impérativement comporter au minimum 85 essais indépendants pour garantir 80 % de chances de détecter un effet d’une telle ampleur.

9.3 Génération de courbes de puissance personnalisées sous R

Pour dépasser l’évaluation ponctuelle d’une taille d’échantillon unique et appréhender de manière globale la dynamique de sensibilité expérimentale, il est hautement recommandé de programmer des trajectoires complètes de puissance statistique en balayant un continuum d’échantillons au moyen d’itérations programmées sous R, exploitant l’écosystème graphique ggplot2.

La conception d’une telle courbe de puissance exacte nécessite de calculer, pour chaque incrément de n (par exemple de 10 à 200 essais), la probabilité exacte d’atteindre la zone de rejet sous l’hypothèse alternative p1. L’algorithme dérive d’abord la valeur critique entière k_critique sous H0 à l’aide de la fonction quantile binomiale qbinom(), puis calcule la probabilité de dépassement de cette borne sous la distribution H1 via la fonction de distribution cumulative pbinom(). L’analyste encapsule ce calcul dans une fonction vectorisée :

calculer_puissance_exacte <- function(n, p0, p1, alpha) {
k_critique <- qbinom(p = 1 – alpha, size = n, prob = p0)
puissance <- 1 – pbinom(q = k_critique, size = n, prob = p1)
return(puissance)
}

Le chercheur injecte ensuite cette fonction au sein d’une séquence itérative balayant un vecteur d’effectifs, puis génère une projection graphique continue. Cette démarche permet d’identifier visuellement le point d’inflexion des rendements décroissants, c’est-à-dire le seuil d’essais au-delà duquel l’investissement de passation supplémentaire ne procure qu’un gain marginal négligeable de puissance statistique, rationalisant ainsi substantiellement les protocoles expérimentaux de laboratoire.

10. Visualisation graphique des distributions binomiales et des résultats sous R

10.1 Construction de la distribution théorique sous H0 avec ggplot2

La communication scientifique moderne exige une restitution visuelle claire des épreuves statistiques, transcendant les traditionnels tableaux textuels au profit d’illustrations graphiques vectorielles de haute fidélité. La représentation de la distribution théorique sous l’hypothèse nulle avec mise en évidence de la zone critique de rejet constitue le moyen pédagogique et éditorial le plus probant pour expliciter la mécanique décisionnelle du test exact.

La construction graphique s’opère sous R en exploitant la bibliothèque ggplot2. Dans un premier temps, l’expérimentateur construit une table de données discrète répertoriant l’ensemble exhaustif des issues entières possibles (de 0 à n) et associe à chacune sa masse de probabilité théorique dévolue par la fonction native dbinom() paramétrée selon p0. Une colonne d’annotation catégorielle est programmée dynamiquement pour identifier les valeurs appartenant à la région de rejet du test en fonction de la p-valeur bilatérale ou unilatérale :

library(ggplot2)
n_essais <- 24
p_nulle <- 0.50
succes_observes <- 18
donnees_distrib <- data.frame(k = 0:n_essais)
donnees_distrib$prob <- \dbinom(donnees_distrib$k, size = n_essais, prob = p_nulle)
donnees_distrib$zone_rejet <- ifelse(donnees_distrib$prob <= dbinom(succes_observes, size = n_essais, prob = p_nulle), « Rejet H0 », « Conservation H0 »)

Le chercheur matérialise ensuite cette distribution sous la forme d’un diagramme en bâtons verticaux (au moyen de la primitive géométrique geom_col()) en assignant un codage chromatique contrasté pour la région de rejet. L’incorporation d’une ligne verticale pointillée sur l’axe des abscisses désignant l’emplacement de la statistique empirique observée (k = 18) permet au lecteur d’appréhender instantanément la rareté de l’occurrence sous H0 et de comprendre visuellement pourquoi le test binomial aboutit à un rejet légitime de l’hypothèse du hasard.

10.2 Graphique de la fonction de vraisemblance et de l’estimation ponctuelle

Au-delà de la distribution discrète sous l’hypothèse nulle, la visualisation de la fonction de vraisemblance du paramètre continu π constitue un outil de raffinement théorique exceptionnel pour appréhender l’incertitude épistémique entourant la mesure. La fonction de vraisemblance, formalisée par L(π | k, n), exprime la plausibilité relative de chaque valeur continue possible de π sur l’espace [0, 1] à la lumière des k succès empiriques relevés au cours des n épreuves.

Sous R, cette courbe de vraisemblance continue est tracée en balayant un vecteur de haute densité numérique pour le paramètre latent (par exemple une séquence allant de 0.001 à 0.999 avec un pas de 0.001) et en appliquant sur chaque point la fonction dbinom() pondérée par les données empiriques fixes x = 18 et n = 24 :

vecteur_pi <- seq(0, 1, length.out = 1000)
donnees_vraisemblance <- data.frame(pi = vecteur_pi, Vraisemblance = dbinom(18, size = 24, prob = vecteur_pi))
ggplot(donnees_vraisemblance, aes(x = pi, y = Vraisemblance)) +
geom_line(color = « navyblue », size = 1.2) +
geom_vline(xintercept = 18/24, linetype = « dashed », color = « darkred ») +
theme_minimal()

Sur ce tracé géométrique, le sommet maximal de la courbe coïncide rigoureusement avec l’estimateur du maximum de vraisemblance ponctuel (la proportion empirique observée 18/24 = 0.75). L’enrichissement du graphique par la projection de deux segments d’ombrage verticaux délimitant l’intervalle de confiance exact de Clopper-Pearson (0.533 et 0.902) offre une lecture synoptique complète : il synthétise l’estimation la plus probable du paramètre psychologique tout en délimitant l’étendue de l’enveloppe de confiance analytique à 95 %.

10.3 Visualisation comparative multi-participants ou multi-conditions

Dans les paradigmes psychologiques impliquant des mesures répétées chez plusieurs sujets indépendants ou la comparaison d’un sujet à travers de multiples conditions perceptuelles, la restitution sérielle de blocs textuels devient impraticable. La conception d’un graphique en forêt (forest plot) constitue alors la méthode de représentation optimale.

Ce type de visualisation place sur l’axe des ordonnées la liste catégorielle des participants ou des conditions expérimentales, et sur l’axe des abscisses la métrique continue des proportions estimées [0, 1]. Pour chaque condition, un point géométrique matérialise la proportion observée (k/n), tandis qu’une barre d’erreur horizontale retranscrit l’intervalle de confiance exact de Clopper-Pearson issu directement de l’attribut resultat$conf.int.

Grâce aux couches esthétiques de ggplot2, l’analyste peut implémenter une coloration dynamique différentielle : les intervalles de confiance chevauchant la ligne verticale d’équiprobabilité (p0 = 0.50) sont teintés dans une nuance neutre (témoignant de l’absence de significativité statistique), tandis que les estimations dont les intervalles excluent totalement la ligne de chance sont colorés vivement en vert ou en bleu. Ce procédé visuel confère aux articles scientifiques une clarté immédiate, permettant d’identifier d’un coup d’œil les dissociations comportementales robustes au sein d’une cohorte hétérogène de participants.

11. Applications avancées en psychométrie, cognition et décision comportementale

11.1 Paradigmes de choix forcé à deux alternatives (2AFC)

L’architecture méthodologique des paradigmes de choix forcé à deux alternatives (Two-Alternative Forced Choice ou 2AFC) représente l’un des piliers expérimentaux les plus inébranlables de la psychophysique et de la psychologie cognitive moderne. Conçu initialement pour mesurer avec une précision maximale les seuils absolus et différentiels de perception sensorielle, le paradigme 2AFC impose au participant de choisir entre deux intervalles temporels consécutifs ou deux emplacements spatiaux distincts au sein desquels un stimulus signal est aléatoirement inséré au milieu d’un bruit de fond.

L’immense supériorité méthodologique du design 2AFC sur les tâches de détection simple de type « stimulus présent versus stimulus absent » réside dans sa capacité structurelle à neutraliser les biais subjectifs de réponse du participant. Selon les postulats de la théorie de la détection du signal (TDS), la tendance individuelle d’un sujet à adopter un critère de décision conservateur (exigeant une quasi-certitude phénoménologique avant de concéder la présence du signal) ou libéral (déclenchant une fausse alarme au moindre doute) contamine lourdement la mesure de sensibilité brute. Dans une tâche 2AFC rigoureusement symétrique, le sujet est contraint de sélectionner l’une des deux alternatives, ce qui élimine le critère de réponse et ancre le seuil théorique de non-discrimination à une probabilité de chance rigoureusement égale à p0 = 0.50.

Dès lors, l’application du test binomial exact sous R prend une valeur probante indiscutable : tester la performance d’un sujet sur une série critique d’épreuves 2AFC au moyen de binom.test(x, n, p = 0.5, alternative = « greater ») permet d’affirmer avec une rigueur probabiliste totale si la sensibilité perceptive de l’observateur s’élève au-dessus du bruit sensoriel ambiant, sans nécessiter de postuler la normalité des distributions de bruit sous-jacentes inhérentes au modèle classique du d-prime.

11.2 Protocoles de détection d’indices et mensonge (Concealed Information Test)

Dans les domaines appliqués de la psychologie médico-légale et de la psychophysiologie légale, le protocole de détection d’informations dissimulées (Concealed Information Test ou CIT, jadis étiqueté test de culpabilité sous polygraphe) repose intégralement sur des modélisations de proportions discrètes asymétriques. Ce protocole vise à déterminer si un suspect détient des informations mnésiques critiques relatives à un délit, que seul le véritable coupable et les enquêteurs peuvent connaître.

La structure expérimentale type confronte l’individu examiné à une série de questions à choix multiples indépendantes (par exemple : « L’arme abandonnée sur les lieux du crime était-elle un couteau, un pistolet, une corde, un marteau ou une clé anglaise ? »). Chaque question regroupe une alternative critique (l’indice réel) et quatre distracteurs crédibles mais neutres et équiluminants. Pour un individu innocent ignorant tout du crime, la probabilité théorique d’émettre une réactivité psychophysiologique maximale (détectée par conductance cutanée, micro-variations pupillaires ou potentiels évoqués P300) face à l’item critique par pure coïncidence stochastique est rigoureusement égale à un cinquième, soit p0 = 1/5 = 0.20.

L’administration d’un protocole comprenant 15 questions distinctes place l’analyste face à un test binomial unilatéral à droite sous R :

resultat_cit <- binom.test(x = 8, n = 15, p = 0.20, alternative = « greater »)

Si le suspect manifeste une réactivité sélective sur 8 des 15 items critiques, l’exécution computationnelle retourne une p-valeur exacte de p = 0.00424. Ce résultat permet de rejeter formellement l’hypothèse de l’ignorance mnésique, apportant une preuve statistique robuste d’accès aux représentations mnésiques du crime sans recourir aux extrapolations fallacieuses des détecteurs de mensonge conventionnels.

11.3 Évaluation de la conformité aux critères diagnostiques en psychologie clinique

En psychologie clinique computationnelle et en nosologie psychiatrique, le test binomial exact offre un cadre méthodologique puissant pour évaluer l’accord diagnostique inter-juges face à des profils cliniques ambigus ou pour quantifier la non-conformité d’un profil individuel par rapport aux taux épidémiologiques prévalents dans la population générale.

Lorsqu’un collège de cliniciens experts indépendants doit statuer sur la classification nosographique dichotomique d’un patient complexe (par exemple la présence ou l’absence d’un trouble de la personnalité selon les critères du DSM-5), les décisions individuelles peuvent être modélisées sous forme de succès ou d’échecs de classification. Si l’attribution d’un diagnostic reposait sur un étiquetage purement arbitraire sans validité de construit, la proportion de convergence attendue serait de 0.50. L’application de binom.test() sur le décompte des diagnostics concordants permet de statuer sur la consistance nosologique de la catégorie diagnostique.

Parallèlement, lors de bilans neuropsychologiques pédiatriques ou gériatriques, la détection de signes neurologiques doux ou d’atypicités comportementales peut être confrontée aux taux d’incidence de base documentés par les études normatives de santé publique. Si une anomalie comportementale spécifique ne survient spontanément que chez 5 % de la population normale (p0 = 0.05), observer ce comportement lors de 4 passations chez un même enfant sur une batterie de 12 épreuves standardisées engendre un test binomial unilatéral concluant à une atypicité hautement pathologique (p = 0.0022), guidant de manière objective la prise de décision thérapeutique du praticien.

12. Bonnes pratiques de restitution selon les normes APA et pièges fréquents

12.1 Normes de rédaction statistique selon l’APA (7e édition)

L’American Psychological Association, dans la septième édition de son manuel officiel de publication, prescrit des normes rédactionnelles strictes pour la communication textuelle des statistiques inférentielles exactes. La restitution d’un test binomial ne tolère aucune formulation vague et doit encapsuler l’ensemble des grandeurs nécessaires à la pleine reproductibilité computationnelle par les pairs.

La structure formelle de restitution textuelle impose de rapporter explicitement : l’identification non ambiguë de la direction du test (bilatéral ou unilatéral), la valeur ponctuelle de la proportion observée ou le ratio numérique exact des succès par rapport à la taille totale d’échantillon, le rappel de la probabilité théorique sous l’hypothèse nulle, la p-valeur exacte formatée sans zéro initial (la probabilité ne pouvant excéder l’unité), l’intervalle de confiance exact de Clopper-Pearson à 95 % (entre crochets, séparé par une virgule), et l’indice de taille d’effet standardisé (le h de Cohen).

Un modèle de rédaction académique standardisé s’énonce comme suit :

« Une analyse probabiliste basée sur le test binomial exact bilatéral a été conduite pour déterminer si la proportion de discrimination correcte du stimulus subliminal différait du niveau de chance théorique de 50 %. Les résultats indiquent que la performance des participants (75,0 %, 18 réussites sur 24 essais) est significativement supérieure aux prédictions stochastiques sous l’hypothèse nulle, test binomial exact p = .023, IC à 95 % de Clopper-Pearson [0.533, 0.902]. La magnitude de cette déviation comportementale correspond à une taille d’effet moyenne à forte selon les critères conventionnels, h de Cohen = 0.52. »

12.2 Erreurs méthodologiques et pièges conceptuels majeurs

En dépit de sa simplicité computationnelle apparente, l’application du test binomial exact en sciences du comportement est émaillée d’erreurs d’interprétation récurrentes qui polluent la littérature académique. La première faute méthodologique consiste à confondre la proportion empirique extraite d’un échantillon fini avec la probabilité théorique sous-jacente du processus mental analysé. La statistique k/n n’est qu’un estimateur ponctuel sujet à la fluctuation d’échantillonnage ; affirmer sans nuance qu’un sujet « a 75 % de chances de détecter le stimulus » sur la base de 18 succès sur 24 est une hérésie conceptuelle masquant l’intervalle réel de confiance [53,3 % ; 90,2 %].

La deuxième faute capitale réside dans l’omission flagrante du contrôle de l’indépendance statistique des essais. De nombreux chercheurs agrègent de manière illégitime l’ensemble des essais réalisés par une cohorte de 20 participants distincts (soumis chacun à 50 essais) au sein d’un vecteur global unique de 1 000 observations, puis exécutent un test binomial sur cet échantillon fictif. Cette pratique d’agrégation sauvage dissout la variance inter-individuelle, gonfle artificiellement les degrés de liberté théoriques, et viole radicalement l’indépendance des observations. Les essais provenant d’un même individu sont corrélés entre eux par ses aptitudes cognitives propres. Dès lors que l’unité d’analyse n’est pas indépendante, le recours à des modèles mixtes logistiques généralisés (GLMM) s’impose impérativement pour contrôler les effets aléatoires des participants et des items.

Enfin, le troisième piège conceptuel majeur relève de la mécompréhension de la décision inférentielle en cas de non-rejet de l’hypothèse nulle. Si un test binomial délivre une p-valeur de p = 0.12, de multiples expérimentateurs affirment à tort avoir démontré que le sujet « répondait au hasard » ou « ne présentait aucune perception ». L’approche fréquentiste ne permet jamais de prouver la vérité de H0, mais uniquement de constater l’incapacité des données à fournir une preuve suffisante pour la rejeter. Ce non-rejet peut simplement découler d’un déficit de puissance statistique lié à un échantillon sous-dimensionné.

12.3 Reproductibilité computationnelle et scripts R ouverts

La crise contemporaine de la reproductibilité scientifique a conduit la communauté des chercheurs en psychologie à repenser intégralement leurs standards de diffusion des données et du code source. Afin d’assurer la transparence absolue des analyses inférentielles reposant sur binom.test(), la transmission du seul manuscrit textuel est désormais jugée insuffisante : le script R commenté doit être déposé sur des répertoires institutionnels ouverts tels que l’Open Science Framework (OSF) ou Zenodo.

Le script d’analyse doit impérativement documenter l’environnement computationnel complet au sein duquel les calculs ont été opérés. L’insertion en fin de script de la commande native sessionInfo() garantit l’archivage textuel de la version précise de l’interpréteur R employé, du système d’exploitation hôte et des versions spécifiques de packages mobilisés (tels que pwr ou ggplot2), prévenant toute discordance de calcul résultant d’évolutions logicielles ultérieures.

De plus, si le chercheur adosse ses tests binomiaux à des procédures de simulations stochastiques annexes ou à des rééchantillonnages comparatifs de Monte Carlo, l’initialisation explicite du générateur de nombres pseudo-aléatoires au moyen de l’instruction set.seed() est obligatoire pour sceller la reproductibilité bit-à-bit des résultats. L’intégration de ces protocoles computationnels rigoureux élève le test binomial du statut de simple calcul arithmétique à celui d’instrument de preuve scientifique universellement vérifiable et auditable.

Références

• Agresti, A., & Coull, B. A. (1998). Approximate is better than « exact » for interval estimation of binomial proportions. The American Statistician, 52(2), 119–126. https://doi.org/10.1080/00031305.1998.10480550
• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Champely, S. (2020). pwr: Basic functions for power analysis (R package version 1.3-0). CRAN. https://cran.r-project.org/package=pwr
• Clopper, C. J., & Pearson, E. S. (1934). The use of confidence or fiducial limits illustrated in the case of the binomial. Biometrika, 26(4), 404–413. https://doi.org/10.1093/biomet/26.4.404
• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates. https://doi.org/10.4324/9780203771587
• Macmillan, N. A., & Creelman, C. D. (2005). Detection theory: A user’s guide (2nd ed.). Lawrence Erlbaum Associates. https://doi.org/10.4324/9781410611147
• R Core Team. (2023). R: A language and environment for statistical computing. R Foundation for Statistical Computing. https://www.r-project.org/
• Verschuere, B., Ben-Shakhar, G., & Meijer, E. (Eds.). (2011). Memory detection: Theory and application of the Concealed Information Test. Cambridge University Press. https://doi.org/10.1017/CBO9780511975196
• Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer-Verlag. https://doi.org/10.1007/978-3-319-24277-4
• Wilson, E. B. (1927). Probable inference, the law of succession, and statistical inference. Journal of the American Statistical Association, 22(158), 209–212. https://doi.org/10.1080/01621459.1927.10502953