Calculateur de Test Z

Effectuez des tests d'hypothèses pour les moyennes et proportions de population lorsque l'écart-type de la population est connu ou que la taille de l'échantillon est grande (n ≥ 30).

Type de Test

Hypothèse Alternative

Niveau de Signification (α)

Moyenne de l'Échantillon (x̄)

Moyenne Hypothétique (μ₀)

Écart-type de la Population (σ)

Taille de l'Échantillon (n)

Formules du Test Z

Test Z à un échantillon (Moyenne)

z = (x̄ − μ₀) / (σ / √n)

Test Z à deux échantillons (Moyennes)

z = (x̄₁ − x̄₂) / √(σ₁²/n₁ + σ₂²/n₂)

Test Z à un échantillon (Proportion)

z = (p̂ − p₀) / √(p₀(1 − p₀) / n)

Test Z à deux échantillons (Proportions)

z = (p̂₁ − p̂₂) / √(p̂(1 − p̂)(1/n₁ + 1/n₂))

où p̂ = (x₁ + x₂) / (n₁ + n₂) est la proportion groupée de l'échantillon

Qu'est-ce qu'un Test Z ?

Un test z est un test d'hypothèses statistique qui utilise la distribution normale standard pour déterminer si une statistique d'échantillon diffère significativement d'un paramètre de population hypothétique. Les tests z sont utilisés lorsque la variance de la population est connue ou que la taille de l'échantillon est suffisamment grande (généralement n ≥ 30) pour que le théorème central limite assure que la distribution d'échantillonnage est approximativement normale.

Quand Utiliser un Test Z

Écart-type de la population connu : Le σ de la population est connu (non estimé à partir de l'échantillon).
Grande taille d'échantillon : Lorsque n ≥ 30, la distribution d'échantillonnage de la moyenne est approximativement normale quelle que soit la distribution de la population.
Population normale : Lorsque la population est normalement distribuée, les tests z fonctionnent bien même avec de petits échantillons (à condition que σ soit connu).
Comparaison de proportions : Pour tester les proportions de population avec des échantillons suffisamment grands (np ≥ 5 et n(1−p) ≥ 5).

Test Z vs. Test T

Utilisez un test z lorsque l'écart-type de la population est connu. Utilisez un test t lorsque l'écart-type de la population est inconnu et doit être estimé à partir de l'échantillon. Pour les grands échantillons (n ≥ 30), la distribution z et la distribution t sont presque identiques, rendant les deux tests appropriés.

Étapes du Test d'Hypothèses

1. Formuler les Hypothèses

Définissez l'hypothèse nulle (H₀) représentant le statu quo et l'hypothèse alternative (H₁) représentant l'affirmation que vous souhaitez tester. Choisissez un test unilatéral ou bilatéral selon la question de recherche.

2. Choisir le Niveau de Signification

Sélectionnez le niveau de signification α (généralement 0,05). C'est la probabilité de rejeter H₀ alors qu'elle est en réalité vraie (erreur de type I).

3. Calculer la Statistique de Test

Calculez la statistique z en utilisant la formule appropriée pour votre type de test. La statistique z mesure combien d'erreurs standards la statistique d'échantillon se trouve du paramètre hypothétique.

4. Déterminer la Valeur P

La valeur p est la probabilité d'observer une statistique de test aussi extrême que (ou plus extrême que) celle calculée, en supposant que H₀ est vraie. Une valeur p plus petite fournit des preuves plus fortes contre H₀.

5. Prendre une Décision

Si la valeur p ≤ α, rejeter H₀ en faveur de H₁. Si la valeur p > α, ne pas rejeter H₀. Ne pas rejeter H₀ ne prouve pas qu'elle est vraie — seulement qu'il n'y a pas suffisamment de preuves pour la rejeter.

Types d'Hypothèses Alternatives

Test Bilatéral

H₁: μ ≠ μ₀

Teste si le paramètre est différent de la valeur hypothétique (dans les deux directions). La région de rejet est répartie entre les deux queues.

Test Unilatéral Gauche

H₁: μ < μ₀

Teste si le paramètre est inférieur à la valeur hypothétique. La région de rejet se trouve dans la queue gauche.

Test Unilatéral Droit

H₁: μ > μ₀

Teste si le paramètre est supérieur à la valeur hypothétique. La région de rejet se trouve dans la queue droite.

Exemples Pratiques

Contrôle qualité : Un fabricant teste si le poids moyen des boîtes de céréales diffère des 500g annoncés en utilisant un test z à un échantillon avec le σ de production connu.
Recherche médicale : Un chercheur compare la réduction moyenne de la pression artérielle entre deux groupes de médicaments en utilisant un test z à deux échantillons lorsque les variances de la population sont connues grâce à des études antérieures à grande échelle.
Test A/B : Un site web teste si un nouveau design augmente le taux de conversion (proportion de visiteurs qui s'inscrivent) par rapport au design actuel en utilisant un test z à deux échantillons pour les proportions.
Sondages politiques : Un sondeur teste si la proportion d'électeurs soutenant un candidat dépasse 50% en utilisant un test z à un échantillon pour les proportions.

Références

Les formules et méthodes utilisées dans ce calculateur sont basées sur la théorie statistique établie :

Remarque : Ce calculateur utilise la distribution normale standard (z) et est approprié lorsque l'écart-type de la population est connu ou que la taille de l'échantillon est grande (n >= 30). Pour les petits échantillons avec une variance de population inconnue, utilisez plutôt un test t. Vérifiez toujours les calculs critiques avec un logiciel statistique professionnel.

Calculateur de Test Z

Échantillon 1

Échantillon 2