Calculateur de test Z pour hypothèses
Effectuez des tests Z à un échantillon et à deux échantillons pour les tests d’hypothèse. Saisissez les statistiques d’échantillon pour obtenir le score Z, la valeur p et la valeur critique, avec une décision claire de rejet.
Sélectionnez le mode un échantillon ou deux échantillons, saisissez vos statistiques d’échantillon, choisissez un niveau de signification et un type de queue, puis cliquez sur Calculer.
Calculateur de test Z pour hypothèses
Effectuez des tests Z à un échantillon et à deux échantillons pour les tests d’hypothèse. Saisissez les statistiques d’échantillon pour obtenir le score Z, la valeur p et la valeur critique, avec une décision claire de rejet.
À propos du test Z
Un test Z est un test d’hypothèse statistique qui utilise la distribution normale standard (Z) pour évaluer si une moyenne d’échantillon diffère significativement d’une moyenne de population connue, ou si deux moyennes d’échantillons indépendants diffèrent significativement l’une de l’autre. Le test Z suppose que l’écart-type de population est connu et que la population suit une loi normale, ou que la taille d’échantillon est assez grande pour que le théorème central limite s’applique (généralement n ≥ 30).
Le test Z à un échantillon compare une moyenne d’échantillon unique à une moyenne de population hypothétique. La formule est Z = (x̄ − μ) / (σ / √n), où x̄ est la moyenne d’échantillon, μ la moyenne de population hypothétique, σ l’écart-type de population et n la taille d’échantillon. Une grande valeur absolue de Z signifie que la moyenne d’échantillon est éloignée de la moyenne hypothétique, ce qui la rend peu susceptible d’être due au hasard.
Le test Z à deux échantillons compare les moyennes de deux groupes indépendants lorsque les écarts-types de population des deux groupes sont connus. La formule est Z = (x̄₁ − x̄₂) / √(σ₁²/n₁ + σ₂²/n₂). Ce test est couramment utilisé dans les essais cliniques, les tests A/B et les comparaisons de qualité en fabrication.
Le choix du type de queue reflète la direction de l’hypothèse alternative. Un test bilatéral (H₁: μ ≠ μ₀) recherche toute différence, quelle qu’en soit la direction. Un test unilatéral à droite (H₁: μ > μ₀) vérifie si la moyenne d’échantillon est significativement plus grande que la valeur hypothétique. Un test unilatéral à gauche (H₁: μ < μ₀) vérifie si la moyenne d’échantillon est significativement plus petite.
La valeur p est la probabilité d’obtenir une statistique de test aussi extrême que, ou plus extrême que, le score Z observé, en supposant que l’hypothèse nulle est vraie. Si la valeur p est inférieure au niveau de signification α (souvent 0,05), vous rejetez l’hypothèse nulle. La valeur Z critique est le seuil que la statistique Z doit dépasser pour rejeter H₀.
Le test Z est distinct du test t. Le test t est utilisé lorsque l’écart-type de population est inconnu et doit être estimé à partir de l’échantillon. Pour les grands échantillons (n > 30), la loi t et la loi Z convergent, si bien que les résultats sont presque identiques. Pour les petits échantillons avec variance de population inconnue, privilégiez toujours le test t.
Les applications courantes incluent le test visant à savoir si un nouveau procédé de fabrication respecte une norme de qualité, si une intervention clinique modifie un résultat de santé, si une variante de site web a un taux de conversion différent d’une autre, et si deux programmes éducatifs produisent des résultats différents en matière de performance des élèves.
Exemples pratiques
Voyez comment le calculateur de test Z s’utilise dans différents scénarios.
| Entrée | Z / valeur p | Décision |
|---|---|---|
| Un échantillon : x̄=105, μ=100, σ=15, n=30, α=0.05, bilatéral | Z≈1.826, p≈0.068 | Scores de QI — ne pas rejeter H₀ ; la nouvelle méthode d’enseignement n’est pas significativement différente. |
| Deux échantillons : x̄₁=15, σ₁=3, n₁=35 ; x̄₂=16, σ₂=3.2, n₂=40 ; α=0.05, unilatéral à gauche | Z≈−1.396, p≈0.081 | Récupération médicamenteuse — ne pas rejeter H₀ ; le médicament n’est pas significativement plus rapide. |
| Deux échantillons : x̄₁=85, σ₁=10, n₁=100 ; x̄₂=82, σ₂=9, n₂=90 ; α=0.01, bilatéral | Z≈2.176, p≈0.030 | Scores scolaires — rejeter H₀ à α=0.05, mais pas à α=0.01. |
Comment utiliser le calculateur de test Z
- Sélectionnez Un échantillon pour comparer une moyenne d’échantillon à une moyenne de population connue, ou Deux échantillons pour comparer les moyennes de deux groupes indépendants.
- Pour un échantillon : saisissez la moyenne d’échantillon, la moyenne de population, l’écart-type de population et la taille d’échantillon.
- Pour deux échantillons : saisissez la moyenne, l’écart-type et la taille de chaque échantillon. Laissez le champ Moyenne de population vide.
- Choisissez le niveau de signification α et le type de queue selon votre hypothèse, puis cliquez sur Calculer.
- Examinez la statistique Z, la valeur p et le Z critique pour déterminer s’il faut rejeter l’hypothèse nulle.
FAQ
Quand dois-je utiliser un test Z plutôt qu’un test t ?
Utilisez un test Z lorsque l’écart-type de population est connu et que la taille d’échantillon est grande (n ≥ 30). Utilisez un test t lorsque l’écart-type de population est inconnu et doit être estimé à partir de l’échantillon, ou lorsque l’échantillon est petit. En pratique, le test Z est surtout courant en contrôle qualité et dans les tests standardisés, lorsque des données historiques de population sont disponibles.
Qu’est-ce que la valeur p et comment l’interpréter ?
La valeur p est la probabilité d’observer une statistique de test aussi extrême ou plus extrême que celle calculée à partir de votre échantillon, en supposant que l’hypothèse nulle est vraie. Une petite valeur p (généralement inférieure à 0.05) signifie que les données observées seraient peu probables sous l’hypothèse nulle, ce qui fournit des preuves pour la rejeter. Une grande valeur p signifie que les données sont cohérentes avec l’hypothèse nulle.
Quelle est la différence entre un test Z unilatéral et bilatéral ?
Un test bilatéral vérifie toute différence entre les moyennes (au-dessus ou en dessous). Un test unilatéral vérifie une différence dans une direction précise. Utilisez un test unilatéral à droite si vous vous attendez à ce que la moyenne d’échantillon soit supérieure à la référence ; utilisez un test unilatéral à gauche si vous vous attendez à ce qu’elle soit inférieure. Le type de queue doit être décidé selon votre hypothèse avant la collecte des données.
Que signifie la valeur Z critique ?
La valeur Z critique est le seuil que la statistique de test doit dépasser (en valeur absolue pour les tests bilatéraux) pour rejeter l’hypothèse nulle. Par exemple, pour un test bilatéral à α = 0.05, le Z critique est d’environ ±1.96. Si la valeur absolue du Z calculé dépasse 1.96, vous rejetez H₀.
Le test Z exige-t-il des données normalement distribuées ?
Pas nécessairement. Selon le théorème central limite, la distribution d’échantillonnage de la moyenne est approximativement normale pour les grands échantillons (n ≥ 30), quelle que soit la distribution de la population. Pour les petits échantillons, la normalité de la population est requise pour que le test Z soit valide. En cas de doute, vérifiez la normalité avec un test de normalité ou utilisez le test t.
À quoi sert le test Z à deux échantillons ?
Le test Z à deux échantillons compare les moyennes de deux groupes indépendants lorsque les écarts-types de population des deux groupes sont connus. Les usages courants incluent la comparaison des scores moyens d’élèves de deux écoles, des temps moyens de récupération de patients dans deux bras de traitement, ou des taux de conversion de deux variantes de site web dans un test A/B.