Calculateur du Test Exact de Fisher
Saisissez les quatre effectifs d'un tableau 2×2 pour obtenir les valeurs p unilatérales et bilatérales du test exact de Fisher, l'odds ratio et le risque relatif.
Votre bloqueur de publicités nous empêche d’afficher des annonces
MiniWebtool reste gratuit grâce aux annonces. Si cet outil vous a aidé, soutenez-nous en passant à une navigation sans publicité avec plus d’utilisations quotidiennes, ou autorisez MiniWebtool.com puis rechargez.
- Autorisez les annonces pour MiniWebtool.com, puis rechargez
- Ou passez à une offre sans publicité avec des limites quotidiennes plus élevées
Calculateur du Test Exact de Fisher
Le Calculateur du Test Exact de Fisher effectue le test de signification exact pour les tableaux de contingence 2×2 en utilisant la distribution hypergéométrique. Contrairement au test du chi-carré qui repose sur une approximation asymptotique, le test de Fisher calcule des valeurs p exactes, ce qui en fait la référence pour l'analyse de données catégorielles — particulièrement avec de petits échantillons. Entrez votre tableau 2×2 pour obtenir les valeurs p unilatérales et bilatérales, le rapport des cotes, le risque relatif, des diagrammes en mosaïque interactifs et des solutions détaillées étape par étape.
Comment utiliser le Calculateur du Test Exact de Fisher
- Entrez les valeurs des cellules — saisissez les quatre effectifs observés pour votre tableau de contingence 2×2. La cellule « a » représente le Groupe 1 avec un résultat positif, « b » est le Groupe 1 avec un résultat négatif, « c » est le Groupe 2 positif, et « d » est le Groupe 2 négatif. Vous pouvez également cliquer sur un exemple rapide pour voir comment cela fonctionne.
- Choisissez la direction du test — sélectionnez « Bilatéral » pour tester toute association (le plus courant), « Unilatéral à gauche » si vous supposez que le rapport des cotes est inférieur à 1, ou « Unilatéral à droite » si vous vous attendez à ce qu'il soit supérieur à 1.
- Définissez le seuil de signification — choisissez α (généralement 0,05). Un α plus petit nécessite des preuves plus solides pour rejeter l'hypothèse nulle.
- Interprétez les résultats — examinez la valeur p, le rapport des cotes, le risque relatif, le diagramme en mosaïque, le graphique de distribution de probabilité hypergéométrique et le calcul détaillé par étapes.
Qu'est-ce que le test exact de Fisher ?
Le test exact de Fisher, mis au point par Sir Ronald Fisher en 1935, est un test de signification statistique pour les données catégorielles dans les tableaux de contingence. Il détermine s'il existe une association non aléatoire entre deux variables catégorielles. Le test est dit « exact » parce qu'il calcule la probabilité exacte d'obtenir les données observées (ou des données plus extrêmes) sous l'hypothèse nulle d'indépendance, plutôt que de s'appuyer sur des approximations comme le test du chi-carré.
La formule de la distribution hypergéométrique
La probabilité d'observer un tableau 2×2 particulier avec des totaux marginaux fixes est donnée par la distribution hypergéométrique :
= (R₁! × R₂! × C₁! × C₂!) / (N! × a! × b! × c! × d!)
Où R₁, R₂ sont les totaux des lignes, C₁, C₂ sont les totaux des colonnes, et N est le total général. Cette formule calcule la probabilité précise d'observer exactement cette disposition de valeurs dans le tableau.
Quand utiliser le test exact de Fisher
- Petites tailles d'échantillon — lorsque l'effectif théorique d'une cellule est inférieur à 5, l'approximation du chi-carré devient peu fiable et le test de Fisher est recommandé
- Tableaux 2×2 — le test est spécifiquement conçu pour les tableaux de contingence deux par deux
- Nécessité d'une inférence exacte — lorsque vous avez besoin d'une valeur p exacte plutôt que d'une approximation asymptotique
- Essais cliniques — couramment utilisé dans la recherche médicale pour comparer les résultats d'un groupe de traitement par rapport à un groupe témoin
- Contrôle qualité — pour tester si les taux de défauts diffèrent selon les processus ou les lots
Test exact de Fisher vs Test du chi-carré
Les deux tests évaluent l'indépendance dans les tableaux de contingence, mais ils diffèrent dans leur approche :
- Le test de Fisher calcule des probabilités exactes ; le chi-carré utilise une approximation pour grands échantillons
- Le test de Fisher est toujours valide quelle que soit la taille de l'échantillon ; le chi-carré nécessite des effectifs théoriques ≥ 5
- Pour les grands échantillons, les deux tests donnent des résultats presque identiques, mais le chi-carré est plus rapide à calculer
- Le test de Fisher devient coûteux en calcul pour de très grands tableaux (N > 1000)
Comprendre le rapport des cotes (Odds Ratio) et le risque relatif
Le rapport des cotes (OR) mesure la force de l'association entre deux événements. OR = (a × d) / (b × c). Un OR de 1 signifie qu'il n'y a pas d'association, un OR > 1 signifie que le résultat est plus probable dans le Groupe 1, et un OR < 1 signifie qu'il est plus probable dans le Groupe 2. L'intervalle de confiance à 95 % aide à évaluer si l'OR est statistiquement distinct de 1.
Le risque relatif (RR) compare la probabilité du résultat entre les groupes. RR = [a/(a+b)] / [c/(c+d)]. Alors que l'OR se rapproche du RR lorsque le résultat est rare, ils divergent pour les résultats fréquents. Le RR est souvent plus intuitif à interpréter dans les études prospectives.
Tests unilatéraux vs bilatéraux
Un test bilatéral additionne les probabilités de tous les tableaux qui sont tout aussi ou moins probables que le tableau observé, quelle que soit la direction de l'association. C'est l'approche la plus courante et la plus conservatrice. Un test unilatéral ne considère que les tableaux dans une seule direction — à gauche pour OR < 1 ou à droite pour OR > 1 — et ne doit être utilisé que si vous avez une forte hypothèse préalable sur la direction de l'effet.
FAQ
Qu'est-ce que le test exact de Fisher ?
Le test exact de Fisher est un test de signification statistique utilisé pour déterminer s'il existe une association non aléatoire entre deux variables catégorielles dans un tableau de contingence 2×2. Contrairement au test du chi-carré, il calcule des probabilités exactes à l'aide de la distribution hypergéométrique, ce qui le rend idéal pour les petits échantillons ou lorsque les effectifs théoriques des cellules sont inférieurs à 5.
Quand dois-je utiliser le test exact de Fisher plutôt que le chi-carré ?
Utilisez le test exact de Fisher lorsque l'effectif théorique d'une cellule de votre tableau 2×2 est inférieur à 5, lorsque la taille totale de l'échantillon est petite (généralement moins de 20-30), ou lorsque vous voulez une valeur p exacte plutôt qu'une approximation. Le test de Fisher est toujours valide quelle que soit la taille de l'échantillon, tandis que le chi-carré est une approximation qui devient peu fiable avec de petits échantillons.
Quelle est la différence entre un test exact de Fisher unilatéral et bilatéral ?
Un test bilatéral vérifie toute association entre les variables, quelle que soit la direction, et constitue l'approche la plus couramment utilisée. Un test unilatéral vérifie l'association dans une direction spécifique : à gauche si le rapport des cotes est inférieur à 1, et à droite s'il est supérieur à 1. Utilisez un test bilatéral à moins d'avoir une forte hypothèse préalable sur la direction de l'effet.
Comment la valeur p est-elle calculée dans le test exact de Fisher ?
La valeur p est calculée à l'aide de la distribution hypergéométrique. Pour un tableau 2×2 donné avec des totaux de lignes et de colonnes fixes, la probabilité exacte de ce tableau est calculée. Pour un test bilatéral, les probabilités de tous les tableaux possibles qui sont tout aussi ou moins probables que le tableau observé sont additionnées. Pour les tests unilatéraux, les probabilités ne sont additionnées que dans une seule direction.
Que m'indique le rapport des cotes dans le test exact de Fisher ?
Le rapport des cotes mesure la force de l'association entre deux variables catégorielles. Un rapport des cotes de 1 signifie qu'il n'y a pas d'association. Un résultat supérieur à 1 signifie que le Groupe 1 a des chances plus élevées d'avoir le résultat positif par rapport au Groupe 2. Un résultat inférieur à 1 signifie que le Groupe 2 a des chances plus élevées. L'intervalle de confiance à 95 % aide à évaluer si l'association est statistiquement significative — si l'intervalle inclut 1, l'association peut ne pas être significative.
Citez ce contenu, cette page ou cet outil comme suit :
"Calculateur du Test Exact de Fisher" sur https://MiniWebtool.com/fr/calculateur-du-test-exact-de-fisher/ de MiniWebtool, https://MiniWebtool.com/
par l'équipe MiniWebtool. Mis à jour : 2026-04-15
Statistiques et analyse de données:
- Calculateur de Taille d'Échantillon pour Test A/B Nouveau
- Calculateur de Signification de Test A/B Nouveau
- Calculatrice ANOVA
- Calculatrice de moyenne arithmétique
- Calculatrice de Moyenne - Haute Précision
- Calculatrice de déviation moyenne
- Créateur de Graphiques en Barres Nouveau
- Calculateur du Théorème de Bayes Nouveau
- Calculateur de Distribution Bêta Nouveau
- Créateur de Boîte à Moustaches Populaire
- Calculatrice de test du khi-deux Populaire
- Calculatrice du coefficient de variation
- Calculatrice de d de Cohen
- Calculateur de croissance composée
- Calculatrice d'Intervalle de Confiance
- Calculateur d'intervalle de confiance pour proportion
- Calculateur de Tableau de Contingence Nouveau
- Calculateur de taux de conversion Nouveau
- Calculatrice de Coefficient de Corrélation
- Calculateur de Taille d'Effet Nouveau
- Calculateur de Distribution Exponentielle Nouveau
- Calculateur de Test F et Distribution F Nouveau
- Calculateur du Test Exact de Fisher Nouveau
- Calculateur de Résumé en Cinq Nombres Nouveau
- Calculateur de Distribution Géométrique Nouveau
- Calculatrice de la Moyenne Géométrique
- Calculateur de Coefficient de Gini
- Calculatrice de la moyenne harmonique
- Créateur d'Histogrammes
- Calculateur de Distribution Hypergéométrique Nouveau
- Calculatrice d'étendue interquartile
- Calculateur du Test de Kruskal-Wallis
- Créateur de Graphiques en Ligne Nouveau
- Calculatrice de régression linéaire
- Calculateur de croissance logarithmique
- Calculateur du Test U de Mann-Whitney
- Calculatrice d'écart absolu moyen
- Calculatrice de Moyenne
- Calculatrice Moyenne, Mediane et Mode
- Calculatrice d'écart absolu médian
- Calculatrice de Médiane Populaire
- Calculateur de Midrange
- Calculatrice de mode
- Calculateur de Distribution Normale Nouveau
- Calculateur de Rapport des Cotes Nouveau
- Calculatrice de Valeurs Aberrantes
- Calculateur de Valeur p Nouveau
- Générateur de Diagrammes de Pareto Nouveau
- Calculateur de Percentile Nouveau
- Créateur de Diagramme Circulaire Nouveau
- Calculatrice d'écart-type de population
- Calculatrice de Quartiles
- Calculatrice d'Écart Quartile
- Calculatrice d'étendue
- Calculatrice d'Écart-Type Relatif Populaire
- Calculatrice de la moyenne quadratique
- Calculatrice de la Moyenne de l'Échantillon
- Calculatrice de la taille de l'échantillon
- Calculatrice d'écart-type d'échantillon
- Créateur de Nuage de Points Populaire
- Calculateur de Capabilité de Processus Six Sigma Nouveau
- Calculateur de Corrélation de Rang de Spearman Nouveau
- Calculateur d'écart-type Populaire
- Calculateur d'erreur standard
- Calculatrice de Statistiques
- Calculatrice de Test t
- Détermination des écarts haute précision
- Calculateur de Distribution de Weibull Nouveau
- Calculatrice de Z-Score