Skip to content
Généré le: 20 juillet 2026 à 21:34

Calculatrice ANOVA à un facteur

Données

Valeurs du groupe 185, 90, 88, 92, 87
Valeurs du groupe 278, 82, 80, 85, 79
Valeurs du groupe 391, 95, 93, 96, 94

Généré avec OneCalc · https://onecalc.app/fr/math/anova-one-way

Mathématiques

Calculatrice ANOVA à un facteur

Réalise une analyse de variance à un facteur sur trois groupes. Collez les valeurs brutes de chaque groupe pour obtenir le tableau ANOVA complet — sommes des carrés, degrés de liberté et carrés moyens — ainsi que la statistique F, la valeur p et une décision de significativité.

Données

Données des groupes

Résultats

Saisissez une valeur pour afficher les résultats.

Tableau ANOVA

Synthèse générale

\begin{aligned} F &= \dfrac{MS_B}{MS_W} = \dfrac{SS_B / df_B}{SS_W / df_W} \\ &= \dfrac{? / ?}{? / ?} \\ &= \dfrac{?}{?} = ? \end{aligned}
\begin{aligned} p &= P(F_{df_B,\,df_W} > F) \\ &= 1 - F_{F}(?,\, ?,\, ?) \\ &= ? \end{aligned}

Intégrer ce calculateur

Aperçu

Collez ce code dans votre page pour afficher le calculateur.

Partager ce calcul

Toute personne ouvrant ce lien verra vos valeurs déjà renseignées.

Ce que fait cette calculatrice

Cette calculatrice réalise une analyse de variance (ANOVA) à un facteur sur trois groupes. Collez les valeurs brutes de chaque groupe et elle fournit le tableau ANOVA complet — les sommes des carrés inter- et intra-groupes, leurs degrés de liberté et les carrés moyens — ainsi que la statistique F, sa valeur p et une décision de significativité en langage clair.

Ce que répond l’ANOVA à un facteur

Trois groupes produisent trois moyennes, et ces moyennes ne sont presque jamais identiques, même lorsque les groupes proviennent du même processus : l’échantillonnage aléatoire suffit à créer de la dispersion. L’ANOVA à un facteur pose une question précise : si les trois moyennes de population étaient réellement égales, à quel point des écarts entre les moyennes d’échantillon aussi grands seraient-ils surprenants ? La réponse est la valeur p.

L’idée consiste à comparer deux sources de variation. Une partie de la dispersion des données regroupées vient de ce que les groupes se situent à des niveaux différents ; le reste vient de la dispersion naturelle des observations autour de leur propre moyenne de groupe. Si la première source est grande par rapport à la seconde, les moyennes des groupes ne sont probablement pas égales.

Les sommes des carrés

L’ANOVA partage la variation totale en une partie inter-groupes et une partie intra-groupes.

La somme des carrés inter-groupes mesure la distance de chaque moyenne de groupe à la moyenne générale xˉ\bar{x} (la moyenne de toutes les observations regroupées), pondérée par la taille du groupe njn_j :

SSB=∑jnj (xˉj−xˉ)2SS_B = \sum_{j} n_j\,(\bar{x}_j - \bar{x})^2

La somme des carrés intra-groupes mesure la distance de chaque observation xijx_{ij} à sa propre moyenne de groupe xˉj\bar{x}_j :

SSW=∑j∑i(xij−xˉj)2SS_W = \sum_{j} \sum_{i} (x_{ij} - \bar{x}_j)^2

Degrés de liberté et carrés moyens

Chaque somme des carrés devient un carré moyen en la divisant par ses degrés de liberté. Avec kk groupes et NN observations au total :

dfB=k−1,dfW=N−kdf_B = k - 1, \qquad df_W = N - k MSB=SSBdfB,MSW=SSWdfWMS_B = \frac{SS_B}{df_B}, \qquad MS_W = \frac{SS_W}{df_W}

Le carré moyen intra-groupes MSWMS_W est une estimation combinée de la variance d’erreur commune. Le carré moyen inter-groupes MSBMS_B n’estime cette même variance que lorsque les moyennes de groupe sont égales ; lorsqu’elles diffèrent, il est gonflé.

La statistique F

La statistique de test est le rapport des deux carrés moyens :

F=MSBMSWF = \frac{MS_B}{MS_W}

Lorsque toutes les moyennes de population sont égales, les deux carrés moyens estiment la même variance et FF avoisine 1. Lorsque les moyennes de groupe diffèrent vraiment, le numérateur augmente et FF dépasse 1. La valeur p est l’aire de la queue supérieure de la loi F à (dfB,dfW)(df_B, df_W) degrés de liberté au-delà du FF observé :

p=P ⁣(FdfB, dfW>F)p = P\!\left(F_{df_B,\,df_W} > F\right)

Exemple résolu

Supposons que trois méthodes d’enseignement soient testées avec cinq élèves chacune :

  • Groupe 1 : 85, 90, 88, 92, 87 (moyenne 88,4)
  • Groupe 2 : 78, 82, 80, 85, 79 (moyenne 80,8)
  • Groupe 3 : 91, 95, 93, 96, 94 (moyenne 93,8)

La moyenne générale est xˉ≈87,67\bar{x} \approx 87,67, avec N=15N = 15 et k=3k = 3.

SSB=5(88,4−87,67)2+5(80,8−87,67)2+5(93,8−87,67)2≈426,53SSW=74,80dfB=3−1=2,dfW=15−3=12MSB=426,532≈213,27,MSW=74,8012≈6,23F=213,276,23≈34,21p=P(F2, 12>34,21)≈0,000011\begin{aligned} SS_B &= 5(88{,}4 - 87{,}67)^2 + 5(80{,}8 - 87{,}67)^2 + 5(93{,}8 - 87{,}67)^2 \approx 426{,}53 \\[4pt] SS_W &= 74{,}80 \\[4pt] df_B &= 3 - 1 = 2, \qquad df_W = 15 - 3 = 12 \\[4pt] MS_B &= \frac{426{,}53}{2} \approx 213{,}27, \qquad MS_W = \frac{74{,}80}{12} \approx 6{,}23 \\[4pt] F &= \frac{213{,}27}{6{,}23} \approx 34{,}21 \\[4pt] p &= P(F_{2,\,12} > 34{,}21) \approx 0{,}000011 \end{aligned}

Avec p≈0,00001p \approx 0{,}00001, bien en dessous de 0,05, il existe une preuve forte qu’au moins une méthode d’enseignement produit une moyenne différente.

Après un résultat significatif

Une ANOVA significative indique qu’au moins une moyenne de groupe diffère, mais pas laquelle. Pour localiser les écarts, enchaînez sur une procédure a posteriori comme le test HSD de Tukey ou des comparaisons par paires avec Calculateur de test t à deux échantillons (Welch) corrigées pour les tests multiples. Accompagnez le verdict d’une mesure de la taille d’effet, comme l’êta carré, qui décrit la part de la variation totale expliquée par les écarts entre groupes.

Hypothèses

L’ANOVA à un facteur repose sur quelques conditions :

  • Indépendance — les trois groupes sont indépendants, et les observations à l’intérieur de chaque groupe sont indépendantes.
  • Normalité approximative — les valeurs de chaque groupe sont à peu près normales, ou les échantillons sont assez grands pour que le théorème central limite s’applique.
  • Homogénéité des variances — les groupes ont une dispersion semblable. Lorsque les variances diffèrent nettement, une ANOVA corrigée de Welch est plus fiable que la forme classique utilisée ici.

Lorsqu’il n’y a que deux groupes, l’ANOVA classique se réduit exactement à une comparaison de moyennes ; le pendant direct pour deux groupes est le Calculateur de test t à deux échantillons (Welch). Pour examiner d’abord la dispersion au sein d’un seul groupe, la Calculatrice de variance et d'écart type et les Calculateur de statistiques descriptives en résument le centre et la dispersion.

Questions fréquentes (FAQ)

Qu’est-ce que l’ANOVA à un facteur ?

L’analyse de variance (ANOVA) à un facteur compare simultanément les moyennes de trois groupes indépendants ou plus. Elle partage la variation totale des données en deux parties : la variation entre les moyennes des groupes et la variation à l’intérieur des groupes. Si la première est grande par rapport à la seconde, il est peu probable que les moyennes des groupes soient égales. La comparaison se résume par une statistique F et une valeur p.

Pourquoi ne pas faire plusieurs tests t ?

Réaliser un test t distinct pour chaque paire de groupes gonfle le risque de faux positif : avec trois groupes il y a trois comparaisons, chacune portant son propre taux d’erreur. L’ANOVA teste tous les groupes ensemble en un seul test et garde sous contrôle le taux global de faux positifs. Utilisez d’abord l’ANOVA pour savoir si des moyennes diffèrent, puis enchaînez sur des comparaisons par paires a posteriori si le résultat est significatif.

Que signifie la statistique F ?

La statistique F est le rapport du carré moyen inter-groupes au carré moyen intra-groupes. Lorsque toutes les moyennes de population sont égales, les deux carrés moyens estiment la même variance d’erreur et F avoisine 1. Lorsque les moyennes des groupes diffèrent vraiment, le numérateur augmente et F dépasse 1. Le seuil à partir duquel cela devient surprenant dépend des degrés de liberté, ce que traduit la valeur p.

L’ANOVA est significative : quels groupes diffèrent ?

Une ANOVA significative indique qu’au moins une moyenne de groupe diffère, mais pas laquelle. Pour localiser les écarts, appliquez une procédure a posteriori comme le test HSD de Tukey ou des comparaisons par paires corrigées pour les tests multiples. Il est aussi utile de rapporter une taille d’effet, comme l’êta carré, pour décrire la part de la variation totale expliquée par les écarts entre groupes.

Recommandations

Calculateur de test t à deux échantillons (Welch)

Réaliser un test t de Welch à deux échantillons à partir de statistiques résumées. Saisir la moyenne, l'écart-type et la taille d'échantillon de deux groupes indépendants pour obtenir la statistique t, les degrés de liberté et la valeur p bilatérale.

 En savoir plus
Calculateur de test t à un échantillon

Vérifiez si la moyenne d'un échantillon diffère d'une moyenne théorique de population. Saisissez la moyenne, l'écart type et la taille de l'échantillon, choisissez le sens de l'hypothèse et obtenez la statistique t, les degrés de liberté et la valeur p.

 En savoir plus
Calculatrice de variance et d'écart type

Calculez la variance et l'écart type d'une série de données. Basculez entre les formules échantillon (n−1) et population (n) avec la correction de Bessel.

 En savoir plus
Calculateur de statistiques descriptives

Calculez la moyenne, l'écart-type, la variance, l'étendue, le minimum et le maximum pour 8 valeurs. Affiche les statistiques de population et d'échantillon.

 En savoir plus

200+ calculateurs · 10 langues · 100 % gratuit

Ce calculateur vous a-t-il été utile ?

Non

Comment pourrions-nous améliorer ce calculateur ?
Propulsé par OneCalc ↗