Calculateur de test t

Un test t à deux échantillons indépendants évalue si les moyennes de deux groupes sans lien diffèrent au-delà de ce que produit couramment la variation d'échantillonnage aléatoire. Ce calculateur utilise le test t de Welch, qui n'exige pas l'égalité des variances des populations. Il s'appuie sur des statistiques résumées : moyenne, écart-type d'échantillon et effectif de chaque groupe. Il est donc utile lorsque les observations brutes sont indisponibles mais que des résumés fiables existent. La statistique est la différence des moyennes divisée par son erreur-type. Avec Welch, l'erreur-type vaut √(s₁²/n₁ + s₂²/n₂). Une statistique positive indique que la première moyenne est plus élevée ; une valeur négative indique l'inverse. Inverser les groupes change le signe, mais pas la valeur p bilatérale. La valeur absolue exprime la différence observée en unités d'erreur-type estimée. Les degrés de liberté de Welch–Satterthwaite tiennent compte des variances et des effectifs des deux groupes. Ils sont souvent fractionnaires, ce qui est normal. Si les effectifs et les écarts-types sont identiques, ils deviennent n₁ + n₂ − 2, comme dans le test classique à variance commune. Lorsque la variabilité ou les effectifs diffèrent, l'ajustement de Welch assure généralement un contrôle de l'erreur de type I plus fiable qu'une mise en commun automatique des variances. La valeur p affichée est bilatérale. Sous l'hypothèse nulle d'égalité des moyennes de population et les hypothèses du modèle, elle représente la probabilité d'obtenir une statistique t au moins aussi extrême dans l'une ou l'autre direction. Une faible valeur p signale une incompatibilité avec le modèle nul ; elle ne mesure pas la probabilité que l'hypothèse nulle soit vraie. Comparez-la à un seuil de signification choisi avant l'analyse et ne confondez pas seuil arbitraire et importance pratique. La méthode suppose l'indépendance des observations au sein des groupes et entre eux, un résultat quantitatif et des échantillons représentant correctement leurs populations cibles. Avec de petits effectifs, une forte asymétrie ou des valeurs aberrantes influentes peuvent fragiliser le test. De grands échantillons rendent l'inférence plus robuste à une non-normalité modérée, mais l'indépendance et un bon échantillonnage restent essentiels. Pour des observations appariées, comme des mesures avant et après chez les mêmes personnes, ce test est inadapté : utilisez un test t apparié sur les différences au sein des paires. La significativité statistique doit être présentée avec la différence réelle des moyennes, l'incertitude et le contexte. Un intervalle de confiance indique les différences de population plausibles, tandis qu'une taille d'effet comme le d de Cohen exprime l'ampleur. Ce calculateur fournit une statistique de Welch et une valeur p précises pour une analyse rapide ou une vérification arithmétique. Les décisions doivent aussi tenir compte du plan d'étude, des comparaisons multiples, de la qualité des mesures et de la pertinence de la différence dans le domaine étudié.