📈 Calculatrice de Test T

Un test t est un test d'hypothèse statistique qui détermine si une moyenne d'échantillon est significativement différente d'une valeur connue ou hypothétisée, ou si deux échantillons indépendants ont des moyennes différentes. Le test produit un t-statistique qui suit la distribution t de Student sous l'hypothèse nulle. Contrairement au test z, le test t ne nécessite pas que l'écart type de la population soit connu, ce qui le rend beaucoup plus pratique pour la recherche réelle avec des données limitées. Les chercheurs le combinent avec la calculatrice de p-value pour rapporter la significativité et avec la calculatrice d'intervalle de confiance pour exprimer l'incertitude.

Cet outil gère deux scénarios principaux. Un test t à un échantillon compare un seul échantillon à une valeur de référence (μ₀) — par exemple, tester si un lot d'ampoules dure aussi longtemps que le fabricant le prétend. Un test t à deux échantillons (Welch) compare les moyennes de deux groupes indépendants qui peuvent avoir des variances inégales, comme les scores de deux méthodes d'enseignement. La version de Welch est préférée au test t poolé de Student car elle est plus robuste lorsque les deux échantillons ont des écarts types ou des tailles différents. Utilisez la calculatrice d'écart type pour obtenir s avant d'exécuter le test.

Les queues ombragées de chaque côté représentent les régions de rejet. Si le t-statistique calculé tombe au-delà de la valeur critique ±t*, nous rejetons l'hypothèse nulle H₀ au niveau de significativité choisi (généralement α = 0.05, bilatéral). Sinon, nous ne rejetons pas H₀ et concluons qu'il n'y a pas assez de preuves d'une différence.

La calculatrice applique les formules standard pour le test t à un échantillon et le test t de Welch à deux échantillons.

Test t à un échantillon

Ici x̄ est la moyenne de l'échantillon, μ₀ est la moyenne populationnelle hypothétisée, s est l'écart type de l'échantillon et n est la taille de l'échantillon. Des valeurs absolues plus grandes de t indiquent une preuve plus forte contre l'hypothèse nulle.

Test t de Welch à deux échantillons

La formule de Welch ne suppose pas des variances égales, c'est pourquoi c'est le choix par défaut pour deux échantillons indépendants. Les degrés de liberté sont généralement fractionnaires et sont arrondis pour la recherche de valeur critique.

P-value et décision

La p-value bilatérale est approximée à partir de la distribution t. Pour df ≤ 30, nous utilisons une table de valeurs critiques ; pour les df plus grands, nous approximons avec la distribution normale standard. Si |t| > valeur critique à α = 0.05, le résultat est statistiquement significatif et nous rejetons H₀ ; sinon, nous ne rejetons pas H₀.

La dernière ligne (∞) correspond à la distribution normale standard (z).

Comme l'écart type populationnel est presque jamais connu en pratique, le test t est le choix par défaut le plus sûr. Les deux approches donnent des résultats presque identiques une fois que n dépasse 30.

1. Choisissez le type de test — Sélectionnez le mode un échantillon ou deux échantillons (Welch) dans le menu déroulant.
2. Saisissez les données de l'échantillon — Pour un échantillon, tapez la moyenne (x̄), la moyenne hypothétisée (μ₀), l'écart type (s) et la taille (n). Pour deux échantillons, saisissez les moyennes, écarts types et tailles des deux.
3. Cliquez sur Calculer — L'outil calcule le t-statistique, les degrés de liberté, la p-value bilatérale approximative et la valeur critique t à α = 0.05.
4. Lisez la conclusion — Le résultat indique s'il faut rejeter ou non l'hypothèse nulle H₀ au niveau 0.05.
5. Interprétez avec contexte — Comparez la p-value à votre α choisi et considérez la taille d'effet et l'intervalle de confiance avant de tirer des conclusions réelles.

Quand dois-je utiliser un test t au lieu d'un test z ?

Utilisez un test t lorsque l'écart type de la population est inconnu et doit être estimé à partir de l'échantillon. Le test z nécessite que σ soit connu, ce qui est rare en pratique. À mesure que la taille de l'échantillon augmente, la distribution t converge vers la distribution normale, donc pour les grands échantillons les deux tests donnent des résultats presque identiques. Pour les petits échantillons (n < 30), le test t est le bon choix.

Quelle est la différence entre le test t de Student et le test t de Welch ?

Le test t de Student (poolé) à deux échantillons suppose que les deux échantillons proviennent de populations à variances égales. Le test t de Welch ne fait pas cette hypothèse et ajuste les degrés de liberté en conséquence. La version de Welch est plus robuste quand les deux échantillons ont des variances ou tailles inégales, et est maintenant recommandée comme choix par défaut pour deux échantillons indépendants.

Qu'est-ce qu'une p-value ?

La p-value est la probabilité d'observer un t-statistique au moins aussi extrême que celui calculé, en supposant que l'hypothèse nulle est vraie. Une petite p-value (généralement inférieure à 0.05) indique que les données observées seraient improbables sous H₀, donc nous rejetons H₀. Elle ne mesure pas la probabilité que l'hypothèse soit vraie.

Que signifie « ne pas rejeter H₀ » ?

Cela signifie que les preuves ne sont pas assez fortes pour conclure qu'une différence existe. Ce n'est pas la même chose que de prouver que H₀ est vraie — l'étude peut simplement manquer de puissance statistique. Un échantillon plus grand, une taille d'effet plus importante ou un niveau de significativité moins strict pourraient changer la conclusion.

Quelle est la précision de la p-value de cette calculatrice ?

La p-value est approximée à partir d'une table de valeurs critiques pour df 1–30 et de la distribution normale standard pour les df plus grands. Elle est suffisamment précise pour le travail scolaire et l'interprétation générale, mais pour la recherche de niveau publication utilisez un logiciel statistique dédié (R, SPSS, SciPy) qui calcule la fonction de distribution cumulée exacte.

Puis-je utiliser un test unilatéral ?

Cet outil rapporte les p-values et valeurs critiques bilatérales par défaut. Un test unilatéral n'est approprié que lorsque vous avez une raison a priori forte de vous attendre à ce que la difference aille dans une direction, et que vous vous engagez dans cette direction avant de collecter les données. En divisant la p-value bilatérale par deux, on obtient la valeur unilatérale si nécessaire.

Vérifiez toujours les hypothèses du test t avant de faire confiance au résultat : les données doivent être approximativement normalement distribuées (surtout pour les petits n) et les observations doivent être indépendantes. Pour les tailles d'échantillon supérieures à 30, le théorème central limite rend le test t assez robuste à la non-normalité. Pour les données appariées ou assorties (mesures avant/après sur les mêmes sujets), utilisez un test t apparié au lieu de la version à deux échantillons indépendants — cet outil ne couvre pas les plans appariés. Rappelez-vous qu'une p-value significative indique qu'une différence existe, mais pas sa taille ou son importance pratique ; rapportez toujours la taille d'effet et l'intervalle de confiance.