Calculateur de Test t

Testez si deux groupes sont significativement différents — calculez la valeur p en quelques secondes

Le test t répond à une question fondamentale : la différence entre deux groupes est-elle réelle, ou pourrait-elle être due au hasard ? Il produit une valeur p : si p < 0,05, la différence est statistiquement significative au niveau de confiance de 95 %.

Cet outil charge un jeu de données de 30 notes d'examen de deux groupes — Contrôle (programme standard) et Traitement (nouveau programme). Cliquez sur Lier les données pour exécuter un test t à deux échantillons, afficher la comparaison en boîte à moustaches et voir si la différence est significative.

Collez votre propre CSV à deux groupes pour tester votre propre hypothèse.

Sujets liés

Calculateur de statistiquesGénérateur de boîte à moustachesAjustement de distributionGénérateur d'histogramme
Qu'est-ce qu'une valeur p ?
La valeur p est la probabilité d'observer une différence aussi grande que celle de vos données (ou plus grande) si l'hypothèse nulle était vraie. Une valeur p < 0,05 signifie qu'il y a moins de 5 % de chances que la différence soit due au seul hasard — appelée par convention « statistiquement significative ».
Quelle est l'hypothèse nulle dans un test t ?
L'hypothèse nulle (H₀) stipule que les deux moyennes des groupes sont égales : μ₁ = μ₂. Le test t demande : étant donné les données, quelle est la probabilité d'observer la différence mesurée si H₀ était vraie ? Faible valeur p → rejeter H₀.
Quelle est la différence entre les tests unilatéral et bilatéral ?
Un test bilatéral demande « y a-t-il une différence ? » (dans l'une ou l'autre direction). Un test unilatéral demande « le Groupe A est-il supérieur au Groupe B ? » et a plus de puissance pour détecter une différence dans cette direction spécifique. Utilisez le test bilatéral sauf si vous aviez une hypothèse directionnelle avant la collecte des données.
Quelle taille d'échantillon faut-il pour un test t ?
Le test t fonctionne même avec de petits échantillons (n ≥ 5 par groupe), mais les petits échantillons ont une faible puissance statistique — ils peuvent manquer les vrais effets. Une cible courante est n ≥ 30 par groupe. L'IA peut vous dire si votre taille d'échantillon est adéquate.