Rejeter une hypothèse nulle vraie — une fausse découverte.Une erreur de type I, également connue sous le nom de faux positif, se produit lorsqu'un test statistique rejette une hypothèse nulle qui est vraie. En termes simples, cela signifie conclure qu'un effet ou une différence existe alors qu'en réalité il n'en est rien. C'est l'erreur que les scientifiques cherchent le plus souvent à éviter, car elle conduit à revendiquer des découvertes qui ne sont pas réelles.
Le concept formel a été développé au début du XXe siècle par des statisticiens tels que Ronald Fisher et Jerzy Neyman, Neyman et Egon Pearson ayant explicitement distingué les erreurs de type I et de type II dans les années 1920-1930.
Dans un test d'hypothèse, on part d'une hypothèse nulle (par exemple, « le médicament n'a aucun effet ») et d'une hypothèse alternative (par exemple, « le médicament a un effet »). On collecte des données et on calcule une statistique de test. Si la statistique tombe dans une région de valeurs extrêmes (la région de rejet) qui serait improbable si l'hypothèse nulle était vraie, on rejette l'hypothèse nulle. La probabilité que cela se produise par hasard est le seuil de significativité, généralement fixé à 0,05. Une erreur de type I est exactement cela : rejeter l'hypothèse nulle alors qu'elle est en réalité vraie, et le seuil de significativité est la probabilité que l'on autorise pour cette erreur.
Utilisé dans tous les domaines qui reposent sur l'inférence statistique — médecine (essais d'efficacité de médicaments), psychologie, économie et contrôle qualité — pour fixer des seuils définissant ce qui constitue un résultat « significatif ».
Le seuil standard de significativité de 5 % signifie que si vous testez 20 médicaments réellement inefficaces, en moyenne un semblera efficace purement par hasard.
