Question 1

Qu'est-ce que l'hypothèse nulle (H₀) dans un test d'hypothèse ?

Accepted Answer

L'hypothèse nulle (H₀) est l'affirmation par défaut qui suppose l'absence d'effet ou de différence significative. C'est l'hypothèse que l'on cherche à rejeter ou non en fonction des données collectées. Par exemple, H₀ pourrait affirmer qu'un nouveau traitement n'a pas d'effet par rapport au placebo. Le test statistique évalue si les données fournissent suffisamment de preuves pour rejeter cette hypothèse en faveur de l'hypothèse alternative (H₁).

Question 2

Que représente la p-value dans un test statistique ?

Accepted Answer

La p-value est la probabilité d'obtenir un résultat au moins aussi extrême que celui observé, en supposant que l'hypothèse nulle est vraie. Une p-value faible (généralement < 0.05) indique que les données observées sont peu probables sous H₀, ce qui conduit à son rejet. Attention : la p-value n'est pas la probabilité que H₀ soit vraie, ni la probabilité que les résultats soient dus au hasard.

Question 3

Qu'est-ce qu'une erreur de type I en statistiques inférentielles ?

Accepted Answer

Une erreur de type I (faux positif) se produit lorsqu'on rejette l'hypothèse nulle alors qu'elle est en réalité vraie. Le seuil de signification α (souvent 0.05) représente la probabilité maximale acceptable de commettre cette erreur. Par exemple, conclure qu'un médicament est efficace alors qu'il ne l'est pas constitue une erreur de type I. Cette erreur est contrôlée par le choix du niveau de signification.

Statistiques inférentielles

Qu'est-ce que l'hypothèse nulle (H₀) dans un test d'hypothèse ?

Réponse

Que représente la p-value dans un test statistique ?

Réponse

Qu'est-ce qu'une erreur de type I en statistiques inférentielles ?

Réponse

Qu'est-ce qu'une erreur de type II en statistiques inférentielles ?

Que représente un intervalle de confiance à 95% ?

Autres sujets d'entretien Data Science & ML

Les bases de Python

Programmation Orientée Objet Python

Structures de données Python

Fondamentaux Git

Les bases de SQL

Fondamentaux NumPy

Les bases de Pandas

Jupyter & Google Colab

SQL Joins & Requêtes avancées

Pandas avancé

Visualisation avec Matplotlib & Seaborn

Visualisations interactives avec Plotly

Statistiques descriptives

Web Scraping

BigQuery & Cloud Data

Feature Engineering

ML Supervisé : Régression

ML Supervisé : Classification

Arbres de décision & Ensembles

ML Non supervisé

Pipelines ML & Validation

Séries temporelles & Prévisions

Fondamentaux Deep Learning

TensorFlow & Keras

CNN & Classification d'images

RNN & Séquences

Transformers & Attention

NLP & Hugging Face

GenAI & LangChain

MLOps & Déploiement

Maîtrise Data Science & ML pour ton prochain entretien