Comprendre votre résultat de test t
Ce calculateur retient le seuil de signification bilatéral conventionnel α = 0,05, le plus courant dans la recherche scientifique.
| Valeur p bilatérale | Conclusion au seuil α = 0,05 |
|---|---|
| p < 0,05 | Statistiquement significatif — on rejette l'hypothèse nulle d'absence de différence |
| p ≥ 0,05 | Non significatif — on ne rejette pas l'hypothèse nulle |
- La signification statistique n'équivaut pas à l'importance pratique : avec un échantillon suffisamment grand, une différence minuscule et sans portée réelle peut produire une valeur p inférieure à 0,05.
- Le test à deux échantillons employé ici est celui de Welch, qui ne suppose pas l'égalité des variances entre groupes ; les résultats peuvent donc différer légèrement de ceux d'outils fondés sur le test t de Student à variance commune.
- Le test t suppose des observations indépendantes et une distribution d'échantillonnage de la moyenne approximativement normale — condition satisfaite soit par des données sous-jacentes à peu près normales, soit par un échantillon assez grand en vertu du théorème central limite.
- Il s'agit d'un calculateur sur statistiques descriptives : il part de la moyenne, de l'écart-type et de la taille que vous avez déjà calculés, et non d'une liste de données brutes.
Qu'est-ce qu'un test t ?
Un test t est un test d'hypothèse statistique servant à déterminer si une différence observée entre des moyennes dépasse ce que la seule variation d'échantillonnage laisserait attendre. Ce calculateur en propose deux formes : le test t à un échantillon, qui compare une moyenne d'échantillon à une valeur hypothétique fixe, et le test t à deux échantillons, qui compare les moyennes de deux échantillons indépendants.
Pour le cas à deux échantillons, ce calculateur applique le test t de Welch, qui ne suppose pas l'égalité des variances entre les deux groupes. Le test de Welch recourt à l'équation de Welch-Satterthwaite pour calculer des degrés de liberté ajustés, souvent non entiers, ce qui donne généralement un résultat plus fiable que le test t de Student à variance commune lorsque les écarts-types des deux échantillons diffèrent.
Les deux versions renvoient une valeur p bilatérale : elle mesure donc l'existence d'une différence dans un sens comme dans l'autre (à la hausse ou à la baisse), et le résultat est comparé au seuil de signification conventionnel α = 0,05 — une valeur p inférieure à 0,05 est habituellement qualifiée de statistiquement significative, une valeur égale ou supérieure ne l'est pas.
Comment utiliser ce calculateur de test t
- Choisissez le type de test : un échantillon (comparer une moyenne à une valeur fixe) ou deux échantillons (comparer deux moyennes indépendantes).
- Pour un test à un échantillon, saisissez la moyenne, l'écart-type et la taille de l'échantillon, ainsi que la moyenne de population hypothétique (μ₀) que vous testez.
- Pour un test à deux échantillons, saisissez la moyenne, l'écart-type et la taille de chacun des deux échantillons.
- Lisez la statistique t, les degrés de liberté et la valeur p bilatérale, puis comparez cette valeur p au seuil de signification retenu (couramment α = 0,05).
La formule derrière le test t
Statistique t à un échantillon : t = (x̄ − μ₀) / (s / √n), avec des degrés de liberté df = n − 1, où x̄ est la moyenne de l'échantillon, s son écart-type et μ₀ la moyenne de population hypothétique.
Statistique t de Welch à deux échantillons : t = (x̄₁ − x̄₂) / √(s₁² / n₁ + s₂² / n₂). Les degrés de liberté sont estimés par l'équation de Welch-Satterthwaite : df = (s₁²/n₁ + s₂²/n₂)² / [ (s₁²/n₁)² / (n₁ − 1) + (s₂²/n₂)² / (n₂ − 1) ], qui ne suppose pas l'égalité des variances des deux populations.
La valeur p bilatérale vaut p = 2 × (1 − T(|t|, df)), où T est la fonction de répartition de la loi de Student aux degrés de liberté calculés.
Exemple chiffré (un échantillon) : moyenne = 52,1, écart-type = 4,5, n = 30, moyenne hypothétique μ₀ = 50. On obtient t = (52,1 − 50) / (4,5 / √30) ≈ 2,556, df = 29, et une valeur p bilatérale inférieure à 0,05 : la différence est donc statistiquement significative au seuil de 5%.
Erreurs fréquentes
- Confondre signification statistique et importance pratique : une très petite valeur p indique seulement que la différence a peu de chances de tenir au hasard, non qu'elle est grande ou pertinente sur le terrain.
- Supposer que ce calculateur met en commun les variances des deux échantillons : il applique le test de Welch, qui autorise des variances différentes, si bien que ses degrés de liberté et sa valeur p peuvent s'écarter d'un calcul à variance commune.
- Comparer une valeur p bilatérale à une règle de décision unilatérale, ce qui revient à diviser par deux le seuil visé et gonfle la signification apparente.
- Appliquer un test t sur échantillons indépendants à des données appariées ou à mesures répétées (des mesures avant et après chez les mêmes sujets, par exemple), qui relèvent d'un test t apparié.
- Multiplier les tests t sur les mêmes données sans ajuster le seuil de signification, ce qui porte bien au-delà de 5% le risque d'au moins un faux positif.
Questions fréquentes
Quelle différence entre un test t à un et à deux échantillons ?
Un test t à un échantillon compare la moyenne d'un seul échantillon à une valeur hypothétique fixe (μ₀). Un test t à deux échantillons compare entre elles les moyennes de deux échantillons indépendants, afin d'établir si leur écart dépasse ce qu'expliquerait la seule variation aléatoire.
Pourquoi ce calculateur utilise-t-il le test de Welch plutôt que celui de Student ?
Le test t de Welch ne suppose pas l'égalité des variances des deux échantillons, ce qui le rend plus robuste lorsque les écarts-types diffèrent — une situation fréquente en pratique. Il recourt à l'équation de Welch-Satterthwaite pour obtenir des degrés de liberté ajustés, souvent non entiers, au lieu du simple n₁ + n₂ − 2 du test classique à variance commune.
Que signifie une valeur p inférieure à 0,05 ?
Elle signifie que, si l'hypothèse nulle d'absence de différence réelle est vraie, une différence au moins aussi grande surviendrait moins de 5% du temps sous le seul effet de la variation d'échantillonnage. Selon le seuil conventionnel α = 0,05, le résultat est qualifié de statistiquement significatif — ce qui ne dit rien de l'ampleur ni de la portée pratique de la différence, et ne donne pas non plus la probabilité que l'hypothèse nulle soit vraie.
La signification statistique équivaut-elle à l'importance pratique ?
Non. Un résultat statistiquement significatif (p < 0,05) indique seulement que la différence observée a peu de chances de tenir au hasard. Avec un échantillon suffisamment grand, une différence très faible et sans portée pratique peut devenir significative : la taille d'effet doit donc toujours être rapportée et examinée aux côtés de la valeur p.
Pourquoi les degrés de liberté d'un test à deux échantillons ne sont-ils pas entiers ?
Le test t de Welch calcule les degrés de liberté par l'équation de Welch-Satterthwaite, qui combine les variances et les tailles des deux échantillons d'une manière produisant généralement un résultat non entier. C'est précisément cet ajustement qui permet au test de rester juste quand les variances des deux groupes diffèrent.
Quelles tailles d'échantillon ce test t exige-t-il ?
Chaque échantillon doit compter au moins 2 observations pour que son écart-type et ses degrés de liberté soient définis. En pratique, le test t se comporte au mieux avec des données à peu près normales ou, par le théorème central limite, avec un échantillon suffisamment grand (on retient souvent n de 30 ou plus par groupe comme repère grossier), même lorsque les données sous-jacentes s'écartent quelque peu de la normalité.
Références
- National Institute of Standards and Technology (NIST). NIST/SEMATECH e-Handbook of Statistical Methods — two-sample t-test for equal means. nist.gov.
- Welch BL. The generalization of 'Student's' problem when several different population variances are involved. Biometrika 1947; 34(1-2): 28-35.
- Satterthwaite FE. An approximate distribution of estimates of variance components. Biometrics Bulletin 1946; 2(6): 110-114.
- Moore DS, McCabe GP, Craig BA. Introduction to the Practice of Statistics. W. H. Freeman (one- and two-sample t procedures).
- Student (Gosset WS). The probable error of a mean. Biometrika 1908; 6(1): 1-25 (origin of the t-distribution).