Dernière mise à jour : 2026-06-23

Ce que fait ce calculateur

Ce calculateur réalise un test t à deux échantillons à partir de statistiques résumées. À partir de la moyenne, de l'écart-type et de la taille d'échantillon de deux groupes indépendants, il fournit la statistique t, les degrés de liberté et une valeur p bilatérale — les outils habituels pour décider si deux moyennes de groupe diffèrent au-delà du seul bruit d'échantillonnage.

Ce à quoi répond un test t à deux échantillons

Supposons que deux groupes produisent des moyennes différentes — un groupe traité et un groupe témoin, une version A et une version B, des échantillons issus de deux usines. Les moyennes ne seront presque jamais identiques, même lorsque les processus sous-jacents sont les mêmes, simplement parce que chaque échantillon comporte une variation aléatoire. Le test t à deux échantillons pose une question précise : si les deux populations avaient réellement des moyennes égales, à quel point une différence de cette ampleur serait-elle surprenante ? La réponse est la valeur p.

La formule de t de Welch

Ce calculateur utilise le test t de Welch, qui ne suppose pas que les deux groupes partagent une variance commune. La statistique t est la différence des moyennes divisée par l'erreur type de cette différence :

où $\bar{x}_1, \bar{x}_2$ sont les moyennes d'échantillon, $s_1, s_2$ les écarts-types d'échantillon et $n_1, n_2$ les tailles d'échantillon. Le dénominateur est l'erreur type — il croît avec la variabilité des groupes et décroît à mesure que les échantillons grandissent, de sorte qu'une même différence de moyennes devient plus convaincante avec davantage de données.

Pourquoi Welch plutôt que le test groupé (de Student)

Le test t classique de Student regroupe les deux écarts-types en une seule estimation de variance, ce qui n'est correct que lorsque les deux populations ont la même variance. La version de Welch garde les deux variances séparées, comme le montre la formule ci-dessus. Parce que l'égalité des variances est l'exception plutôt que la règle dans les données réelles, le test de Welch est l'option recommandée par défaut. Il se comporte presque comme le test groupé lorsque les variances se trouvent coïncider, et il reste exact lorsque ce n'est pas le cas — en particulier quand les groupes diffèrent aussi par leur taille.

Degrés de liberté (Welch–Satterthwaite)

Comme les variances ne sont pas regroupées, la loi de référence n'a pas de degrés de liberté entiers simples. Le test de Welch les approche au moyen de l'équation de Welch–Satterthwaite :

Le résultat n'est généralement pas un nombre entier, et il se situe entre le plus petit de $n_1 - 1$ et $n_2 - 1$ et leur somme. Moins de degrés de liberté donnent à la loi de Student des queues plus épaisses, ce qui rend le test plus prudent, comme il convient, avec des échantillons petits ou de tailles inégales.

La valeur p et sa lecture

Une fois $t$ et $df$ connus, la valeur p bilatérale est

où $F_t$ est la fonction de répartition de la loi de Student. Le facteur deux et la valeur absolue comptent les écarts dans les deux directions — une moyenne du groupe 1 plus grande ou une moyenne du groupe 2 plus grande.

Comparer la valeur p à un seuil de signification $\alpha$ choisi avant d'examiner les données, conventionnellement 0,05 :

• p < α — la différence est statistiquement significative ; les données apportent une preuve contre l'égalité des moyennes.
• p ≥ α — les données n'apportent pas assez de preuves pour rejeter l'égalité des moyennes (ce qui n'équivaut pas à prouver leur égalité).

La valeur p n'est pas la probabilité que les moyennes soient égales, et un résultat non significatif ne prouve pas une « absence de différence ». Elle mesure seulement la compatibilité des données avec l'hypothèse d'égalité des moyennes.

Exemple résolu

Le groupe 1 a une moyenne de 10, un écart-type de 2 et 30 observations ; le groupe 2 a une moyenne de 12, un écart-type de 2,5 et 30 observations.

Avec $p \approx 0.0012$, bien en deçà de 0,05, la différence entre les deux moyennes de groupe est statistiquement significative.

Une valeur p significative indique qu'une différence est détectable, non son ampleur. Elle s'accompagne utilement d'une mesure de la taille d'effet telle que Calculateur du d de Cohen, qui exprime l'écart entre les moyennes en unités d'écart-type et ne gonfle pas avec la taille d'échantillon.

Hypothèses

Le test t à deux échantillons repose sur quelques conditions :

• Indépendance — les deux groupes sont indépendants, et les observations à l'intérieur de chaque groupe sont indépendantes. Des mesures appariées ou répétées requièrent plutôt un test apparié.
• Normalité approchée — chaque groupe est à peu près distribué selon une loi normale, ou les échantillons sont assez grands pour que le théorème central limite rende la loi d'échantillonnage de la moyenne approximativement normale. Avec des tailles d'échantillon modérées et sans asymétrie extrême, le test est assez robuste.
• Variances inégales admises — la forme de Welch traite directement des variances de groupe différentes, de sorte qu'il n'est pas nécessaire de tester ou de supposer une dispersion égale.

Le test t de Welch est à privilégier comme option courante par défaut pour comparer deux moyennes. Lorsque la statistique de test est déjà un z standardisé plutôt que des statistiques résumées, le calculateur Calculateur de p-valeur à partir du score z la convertit en valeur p à l'aide de la loi normale.