Notion de "practical significance"

@gerard: voici les vidéos en question (2min):



En gros la première vidéo nous dit qu' à alpha fixé (5%) lorsque l'on augmente la taille de l'échantillon la puissance du test augmente puisque les distributions sont plus concentrées.

Par contre dans l'exercice on a l'impression que la taille de l'échantillon est uniquement identifié dès lors que l'on souhaite fixer alpha, beta et la practical significance... Je ne comprends pas ...

On suppose que notre statistique de test est distribuée selon une loi symétrique (cf.dessin vidéo), on dessine la même distribution que l'on décale de 0.02 (practical significance). Si l'on espérait avoir une statistique de test nulle (représentant une différence), on sait qu'obtenir une statistique de 0.01 n'aura pas vraiment d'importance, par contre au delà de 0.02 on veut être capable de le détecter. On souhaite donc fixer la région d' acceptation de l'hypothèse nulle à l'intervalle [-0.2,0.2] (c'est la la cléf, ai je bien compris ??).

Si le dernier point est bien ce que l'on recherche je suis perdu, car si mon but (sous une loi normale par exemple) est de trouver N tel que la région d'acceptation à alpha fixé 5% est égale à [-0.2,0.2] je me contre-fou de beta...

@gérard: effectivement je trouve les vidéos très peu claires, du coup je vais reformuler la question telle qu'elle est posée: si je vous donne (dans le contexte déjà évoqué)
* une practical significance de 0.02
* un alpha =5%
* un beta = 20%
comment me trouvez-vous la taille de l'échantillon ?
C'est implémenté ici : http://www.evanmiller.org/ab-testing/sample-size.html. Lorsque j'aurai compris la démarche, ça me paraîtra sans doute évident, mais en attendant l'explication vidéo est trop succincte et il semble qu'il manque des éléments dans l'explication ...