Σ
SDCalc
AvancéAvancé·14 min

Tests d’hypothèses avec l’écart type

Apprenez comment l’écart type est utilisé dans les tests d’hypothèses. Comprenez les tests t, les tests z et comment déterminer la signification statistique.

Aperçu

Le test d’hypothèse est une méthode statistique permettant de prendre des décisions sur des populations à partir de données d’échantillons. L’écart type joue un rôle crucial pour déterminer si les différences observées sont statistiquement significatives ou simplement dues au hasard.

1

Formuler les hypothèses

Énoncer l’hypothèse nulle (H₀) et l’hypothèse alternative (H₁)
2

Choisir le seuil de signification

Choisir le seuil de signification (α), généralement 0,05
3

Calculer la statistique de test

Calculer la statistique de test en utilisant l’écart type
4

Comparer à la valeur critique

Comparer à la valeur critique ou calculer la valeur p
5

Prendre une décision

Prendre une décision : rejeter ou ne pas rejeter H₀

Test Z

On utilise un test Z quand on connaît l’écart type de la population (σ) et qu’on a une grande taille d’échantillon (n ≥ 30).

Statistique du test Z

z = (x̄ - μ₀) / (σ / √n)

Exemple

Un fabricant affirme que ses piles durent en moyenne 100 heures (μ₀ = 100). Vous testez 36 piles et obtenez x̄ = 98 heures. Si σ = 12 heures : z = (98 - 100) / (12 / √36) = -2 / 2 = -1 Avec z = -1 et α = 0,05 (bilatéral), on ne rejette pas H₀. La différence n’est pas statistiquement significative.

Test T

On utilise un test t quand on ne connaît pas l’écart type de la population et qu’on doit l’estimer à partir de l’échantillon (en utilisant s au lieu de σ).

Statistique du test T

t = (x̄ - μ₀) / (s / √n)

Quand utiliser le test T vs le test Z

- Test Z : σ est connu, n ≥ 30 - Test T : σ est inconnu (on utilise s), toute taille d’échantillon En pratique, les tests t sont beaucoup plus courants parce qu’on connaît rarement le vrai σ de la population.

Erreur type

L’erreur type (ET) mesure à quel point les moyennes d’échantillons varient par rapport à la moyenne de la population. C’est le lien essentiel entre l’écart type et les tests d’hypothèses.

Erreur type de la moyenne

SE = σ / √n (or s / √n when using sample SD)

L’erreur type diminue à mesure que la taille de l’échantillon augmente. Des échantillons plus grands donnent des estimations plus précises et facilitent la détection de vraies différences.

Signification statistique

Un résultat est statistiquement significatif quand la probabilité de l’observer par hasard (valeur p) est inférieure au seuil choisi (α).

Si valeur p < α

On rejette H₀. Le résultat est statistiquement significatif.

Si valeur p ≥ α

On ne rejette pas H₀. Le résultat pourrait être dû au hasard.

Signification statistique vs pratique

Un résultat statistiquement significatif n’est pas nécessairement important en pratique. Avec de très grands échantillons, des différences minuscules peuvent être « significatives » mais sans importance réelle. Considérez toujours la taille de l’effet en plus des valeurs p.

Further Reading

← Centre d'Apprentissage

How to Read This Article

A statistics tutorial is a practical interpretation guide, not just a formula dump. It refers to the assumptions, notation, and reporting language that analysts need when they explain a result to a teacher, manager, client, or reviewer. The article body covers the specific topic, while the sections below create a common interpretation frame that readers can reuse across related metrics.

Reading goalWhat to focus onCommon mistake
DefinitionWhat the metric is and what quantity it summarizesTreating the formula as self-explanatory
Formula choiceSample versus population assumptions and notationUsing n when n-1 is required or vice versa
InterpretationWhether the result indicates concentration, spread, or riskCalling a large value good or bad without context

Frequently Asked Questions

How should I interpret a high standard deviation?

A high standard deviation means the observations are spread farther from the mean on average. Whether that spread is acceptable depends on the context: wide dispersion might signal risk in finance, instability in manufacturing, or genuine natural variation in scientific data.

Why do some articles mention n while others mention n-1?

The denominator reflects the difference between population and sample formulas. Population variance and population standard deviation use N because the full dataset is known. Sample variance and sample standard deviation often use n-1 because Bessel’s correction reduces bias when estimating population spread from a sample.

What is a statistical interpretation guide?

A statistical interpretation guide is a page that moves beyond arithmetic and explains meaning. It tells you what a metric is, when the formula applies, and how to describe the result in plain English without overstating certainty.

Can I cite this article in a report?

You should cite the underlying authoritative reference for formal work whenever possible. This page is best used as an explanatory bridge that helps you understand the concept before quoting the original standard or handbook.

Why include direct citations on every article page?

Direct citations give readers a route to verify the definition, notation, and assumptions. That improves trust and reduces the chance that a simplified explanation is mistaken for the entire technical standard.

Authoritative References

These sources define the concepts referenced most often across our articles. Bessel's correction is a sample adjustment, variance is a squared measure of spread, and standard deviation is the square root of variance expressed in the same units as the data.