Facteur de Bayes (BF₁₀)

Le facteur de Bayes compare la façon dont deux hypothèses prédisent les données : H₁ (il y a une différence) contre H₀ (il n’y en a pas). BF₁₀ = 8 signifie que les données sont environ 8 fois plus vraisemblables sous H₁ que sous H₀. Contrairement à la valeur p, il peut aussi plaider en faveur de H₀ (BF₀₁ = 1/BF₁₀).

Exemple: BF₁₀ = 8,4 : indice de preuve modéré en faveur d’une différence entre les groupes. BF₀₁ = 4,8 : les données sont environ 5 fois plus vraisemblables sous H₀ (pas de différence) que sous H₁, soit un indice de preuve modéré contre une différence.

Attention: Le facteur de Bayes dépend de la distribution a priori (ici : Cauchy avec r = √2/2, comme dans JASP) et n’est pas une probabilité de H₁. Une valeur proche de 1 signifie « aucun des deux côtés n’est établi », et non « pas d’effet ». La classification (de anecdotique à extrême) d’après Lee et Wagenmakers (2013) est une règle empirique.