Un test t répond à une question : la différence observée — entre un échantillon et une valeur cible, entre deux groupes ou entre des mesures appariées avant/après — est-elle supérieure à la variation due à l’échantillonnage aléatoire ? Cette calculatrice exécute les trois variantes courantes à partir de statistiques récapitulatives (moyennes, écarts-types et tailles d’échantillon), sans données brutes ni logiciel statistique.
Quel test t choisir ?
Utilisez le test à un échantillon pour comparer la moyenne d’un groupe à une valeur connue ou hypothétique (une spécification, une moyenne historique ou une moyenne de population annoncée). Utilisez le test à deux échantillons si vous avez deux groupes distincts et indépendants et souhaitez comparer leurs moyennes. Cette calculatrice applique la méthode de Welch, qui ne suppose pas des variances égales et constitue le choix par défaut le plus prudent en pratique. Utilisez le test apparié lorsque les mêmes sujets sont mesurés deux fois (avant/après, gauche/droite, pré/post) : l’appariement élimine la variabilité entre sujets et rend le test plus sensible à un effet réel.
Lire la statistique t, les degrés de liberté et la valeur p
La statistique t indique combien d’erreurs-types séparent la différence observée de zéro (ou de µ₀ pour le test à un échantillon). Plus sa valeur absolue est grande, moins les données sont compatibles avec l’hypothèse nulle d’absence de différence. Les degrés de liberté (df) reflètent la quantité d’informations indépendantes utilisée pour estimer la variabilité : pour les tests à un échantillon et appariés, df = n − 1 ; le test de Welch à deux échantillons utilise la formule de Welch–Satterthwaite, qui, avec une erreur-type positive, donne un df compris entre min(n₁−1, n₂−1) et n₁+n₂−2. Cette valeur peut être fractionnaire. Si l’erreur-type est nulle, l’inférence t ordinaire n’est pas disponible. La valeur p convertit (t, df) en probabilité : c’est la chance d’observer une statistique t aussi extrême ou davantage si l’hypothèse nulle était vraie. Comparez-la au seuil de significativité α (généralement 0.05) : p < α signifie que l’hypothèse nulle est rejetée ; si p ≥ α, les éléments disponibles ne suffisent pas à la rejeter.
Test unilatéral ou bilatéral : comprendre les hypothèses
Choisissez une alternative unilatérale avant d’examiner les données. Pour t positif, la valeur p supérieure vaut la moitié de la valeur bilatérale ; la valeur inférieure vaut un moins cette moitié. Inversez les directions pour t négatif. Un test bilatéral examine les deux sens. La normalité ou une approximation d’échantillonnage justifiée et les hypothèses d’indépendance indiquées restent nécessaires.