Écart type groupé pour plusieurs groupes | Standard Deviation Calculator

Qu’est-ce que l’écart type groupé ?

L’écart type groupé (pooled standard deviation) combine les estimations de variance de deux groupes ou plus pour obtenir une estimation unique et pondérée. Il est essentiel pour les tests t à deux échantillons indépendants lorsque l’on suppose l’égalité des variances.

Le concept est simple : si l’on pense que deux groupes proviennent de populations ayant la même variabilité sous-jacente, on peut combiner leurs données pour mieux estimer cette variabilité commune. Plus de données signifie une estimation plus précise.

Considérez les choses ainsi : si vous avez 20 observations du groupe A et 30 du groupe B, et que les deux groupes ont la même vraie variance, vous disposez maintenant de 50 observations pour estimer cette variance au lieu de l’estimer séparément à partir de plus petits échantillons.

Quand grouper

Ne groupez les écarts types que lorsque vous avez des raisons de croire que les variances des populations sous-jacentes sont égales. Utilisez le test de Levene ou le test F pour vérifier cette hypothèse avant de grouper.

La formule de l’écart type groupé

Pour deux groupes, l’écart type groupé est :

Écart type groupé (deux groupes)

sp = √[((n₁-1)s₁² + (n₂-1)s₂²) / (n₁+n₂-2)]

Où n₁ et n₂ sont les tailles d’échantillon, et s₁ et s₂ les écarts types d’échantillon.

Pour k groupes (comme dans l’ANOVA), la formule se généralise :

Écart type groupé (multi-groupes)

sp = √[Σ(nᵢ-1)sᵢ² / Σ(nᵢ-1)]

Remarquez que la formule utilise les termes (n-1) au numérateur et au dénominateur. Cette pondération garantit que les échantillons plus grands contribuent davantage à l’estimation groupée, ce qui est justifié car les grands échantillons fournissent des estimations de variance plus fiables.

Hypothèses sous-jacentes

L’écart type groupé suppose l’homogénéité des variances — que tous les groupes partagent la même variance de population. Cette hypothèse est particulièrement critique lorsque :

Les tailles d’échantillon sont inégales (surtout problématique si le groupe le plus grand a la plus petite variance)
Le rapport entre la plus grande et la plus petite variance dépasse 2 à 3
Les tailles d’échantillon sont petites (les grands échantillons sont plus robustes aux violations)

Quand les variances diffèrent

Si les variances sont inégales, utilisez le test t de Welch au lieu du test t groupé, ou utilisez des estimations de variance séparées. Le test de Welch ne suppose pas l’égalité des variances et est souvent recommandé comme approche par défaut.

Exemple détaillé

Scénario : Comparaison des notes entre deux classes :

Classe A : n₁ = 25, moyenne = 78, s₁ = 12
Classe B : n₂ = 30, moyenne = 82, s₂ = 14

Calcul de l’écart type groupé :

sp = √[((25-1)(12)² + (30-1)(14)²) / (25+30-2)] sp = √[(24×144 + 29×196) / 53] sp = √[(3456 + 5684) / 53] sp = √[9140 / 53] = √172,45 = 13,13

L’écart type groupé de 13,13 se situe entre les écarts types individuels (12 et 14), pondéré vers le plus grand échantillon. Cette valeur groupée serait ensuite utilisée dans la formule du test t ou le calcul du d de Cohen.

Applications statistiques

Test t pour échantillons indépendants : L’écart type groupé sert à calculer l’erreur type de la différence entre les moyennes.
d de Cohen : Les tailles d’effet sont standardisées à l’aide de l’écart type groupé : d = (M₁ - M₂) / sp
ANOVA : Le carré moyen résiduel (CME) dans l’ANOVA est essentiellement une estimation de variance groupée sur tous les groupes.
Méta-analyse : Lors de la combinaison d’études, les estimations groupées aident à standardiser les effets dans différents contextes.

← Centre d'Apprentissage