Calculatrice Z-test pour les tests d’hypothèse
Réalisez des Z-tests à un ou deux échantillons pour vos tests d’hypothèse. Saisissez les statistiques d’échantillon pour obtenir le score Z, la p-value et la valeur critique avec une décision de rejet claire.
Choisissez le mode un échantillon ou deux échantillons, saisissez vos statistiques d’échantillon, sélectionnez un niveau de significativité et le type de queue, puis cliquez sur Calculer.
Calculatrice Z-test pour les tests d’hypothèse
Réalisez des Z-tests à un ou deux échantillons pour vos tests d’hypothèse. Saisissez les statistiques d’échantillon pour obtenir le score Z, la p-value et la valeur critique avec une décision de rejet claire.
À propos du Z-test
Le Z-test est un test d’hypothèse statistique qui utilise la loi normale standard (Z) pour évaluer si une moyenne d’échantillon diffère significativement d’une moyenne populationnelle connue, ou si deux moyennes d’échantillons indépendants diffèrent significativement l’une de l’autre. Le Z-test suppose que l’écart-type populationnel est connu et que la population est normale, ou que la taille d’échantillon est suffisamment grande pour que le théorème central limite s’applique (généralement n ≥ 30).
Le Z-test à un échantillon compare une seule moyenne d’échantillon à une moyenne populationnelle hypothétique. La formule est Z = (x̄ − μ) / (σ / √n), où x̄ est la moyenne d’échantillon, μ la moyenne populationnelle hypothétique, σ l’écart-type populationnel et n la taille d’échantillon. Une valeur absolue élevée de Z signifie que la moyenne d’échantillon est éloignée de la moyenne hypothétique, ce qui rend l’événement peu probable par hasard.
Le Z-test à deux échantillons compare les moyennes de deux groupes indépendants lorsque les écarts-types populationnels 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 production.
Le choix du type de queue reflète la direction de l’hypothèse alternative. Un test bilatéral (H₁: μ ≠ μ₀) teste toute différence, quelle que soit la direction. Un test à queue droite (H₁: μ > μ₀) teste si la moyenne d’échantillon est significativement supérieure à la valeur hypothétique. Un test à queue gauche (H₁: μ < μ₀) teste si la moyenne d’échantillon est significativement inférieure.
La p-value est la probabilité d’obtenir une statistique de test aussi extrême, ou plus extrême, que le score Z observé, en supposant que l’hypothèse nulle est vraie. Si la p-value est inférieure au niveau de significativité α (souvent 0,05), on rejette l’hypothèse nulle. La valeur Z critique est le seuil que la statistique Z doit dépasser pour rejeter H₀.
Le Z-test est distinct du t-test. Le t-test s’utilise lorsque l’écart-type populationnel est inconnu et doit être estimé à partir de l’échantillon. Pour de grands échantillons (n > 30), la loi t et la loi Z convergent, donc les résultats sont presque identiques. Pour de petits échantillons avec variance populationnelle inconnue, il faut toujours privilégier le t-test.
Les applications courantes incluent la vérification qu’un nouveau procédé de fabrication respecte une norme qualité, qu’une intervention clinique modifie un résultat de santé, qu’une variante de site web a un taux de conversion différent d’une autre, et que deux programmes éducatifs produisent des résultats scolaires différents.
Exemples pratiques
Voyez comment la Calculatrice Z-test s’utilise dans différents scénarios.
| Entrée | Z / p-value | 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, queue 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 | Résultats scolaires — rejeter H₀ à α=0.05, mais pas à α=0.01. |
Comment utiliser la calculatrice Z-test
- Choisissez Un échantillon pour comparer une moyenne d’échantillon à une moyenne populationnelle connue, ou Deux échantillons pour comparer deux moyennes de groupes indépendants.
- Pour un échantillon : saisissez la moyenne d’échantillon, la moyenne populationnelle, l’écart-type populationnel et la taille d’échantillon.
- Pour deux échantillons : saisissez la moyenne, l’écart-type et la taille des deux échantillons. Laissez vide le champ Moyenne populationnelle.
- Choisissez le niveau de significativité α et le type de queue en fonction de votre hypothèse, puis cliquez sur Calculer.
- Consultez la statistique Z, la p-value et la Z critique pour décider s’il faut rejeter l’hypothèse nulle.
FAQ
Quand faut-il utiliser un Z-test plutôt qu’un t-test ?
Utilisez un Z-test lorsque l’écart-type populationnel est connu et que la taille d’échantillon est grande (n ≥ 30). Utilisez un t-test lorsque l’écart-type populationnel est inconnu et doit être estimé à partir de l’échantillon, ou lorsque l’échantillon est petit. En pratique, le Z-test est surtout courant dans le contrôle qualité et les tests standardisés où des données historiques de population sont disponibles.
Qu’est-ce que la p-value et comment l’interpréter ?
La p-value 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 p-value (généralement inférieure à 0,05) signifie que les données observées seraient peu probables sous l’hypothèse nulle, ce qui fournit des éléments pour la rejeter. Une grande p-value signifie que les données sont compatibles avec l’hypothèse nulle.
Quelle est la différence entre un Z-test unilatéral et bilatéral ?
Un test bilatéral vérifie s’il existe une différence entre les moyennes, dans un sens ou dans l’autre. Un test unilatéral vérifie une différence dans une direction précise. Utilisez un test à queue droite lorsque vous vous attendez à une moyenne d’échantillon supérieure à la référence ; utilisez un test à queue gauche lorsque vous vous attendez à ce qu’elle soit inférieure. Le type de queue doit être décidé à partir de l’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 avec α = 0,05, la Z critique est d’environ ±1,96. Si la valeur absolue du Z calculé dépasse 1,96, on rejette H₀.
Le Z-test exige-t-il des données normalement distribuées ?
Pas nécessairement. D’après le théorème central limite, la distribution d’échantillonnage de la moyenne est approximativement normale pour de grands échantillons (n ≥ 30), quelle que soit la distribution populationnelle. Pour les petits échantillons, la normalité de la population est requise pour que le Z-test soit valide. En cas de doute, vérifiez la normalité avec un test approprié ou utilisez le t-test.
À quoi sert le Z-test à deux échantillons ?
Le Z-test à deux échantillons compare les moyennes de deux groupes indépendants lorsque les écarts-types populationnels des deux groupes sont connus. Les usages courants incluent la comparaison des notes moyennes de deux écoles, des temps moyens de récupération dans deux groupes de traitement, ou des taux de conversion de deux variantes de site web dans un test A/B.