Un test de Student, également connu sous le nom de test t de Student, est un outil permettant d'évaluer les moyennes d'une ou deux populations à l'aide d'un test d'hypothèse.
Le test de Student fait intervenir une statistique de test suivant une loi de Student : un type de loi de probabilité faisant intervenir la loi normale centrée réduite. Le test de Student permet de déterminer la probabilité que deux groupes de données soient différents.
Interpréter la valeur t
La valeur t est calculée en divisant la différence mesurée par la dispersion des données de l'échantillon. Plus l'amplitude de t est grande, plus cela plaide contre l'hypothèse nulle. Si la valeur t calculée est supérieure à la valeur t critique, l'hypothèse nulle est rejetée.
En statistiques, les tests de normalité permettent de vérifier si des données réelles suivent une loi normale ou non. Les tests de normalité sont des cas particuliers des tests d'adéquation (ou tests d'ajustement, tests permettant de comparer des distributions), appliqués à une loi normale.
Pour comparer deux moyennes, il faut habituellement employer le test «T» de Student, qui suppose la normalité des distributions et l'égalité des variances (test paramétrique), hypothèses invérifiables avec des effectifs faibles.
Les trois tests de corrélation les plus utilisés sont ceux de Spearman, Kendall et Pearson. Les deux premiers sont des tests non-paramétriques que l'on peut également appliquer sur des variables qualitatives ordinales.
Pour les données qui suivent une loi normale, nous privilégions toujours les tests paramétriques. C'est à dire le test T de Student et l'ANOVA. Si cette condition n'est pas remplie, nous devons utiliser des tests non paramètriques tel que le test de Wilcoxon, test de Mann Whitney ou un Kruskal Wallis.
Un des tests permettant de vérifier la normalité de la variable x est le test de Shapiro-Wilk. Il est appliquable pour des échantillons allant jusqu'à 50 valeurs. Il utilise le rapport de deux estimations de la variance.
La normalité est ce qui est conforme à ce dont on a l'habitude, ce qui ne surprend, ne dérange ni n'attire la curiosité car moyen (norme) et considéré de ce fait comme règle à suivre.
La normalité est une condition indispensable à vérifier pour la réalisation des tests paramétriques en statistiques. Deux méthodes sont à retenir : La méthode graphique : examen visuel de la représentation graphique (l'histogramme, QQ-plot ou la boîte à moustache). Facile mais subjective.
en supposant que la loi de distribution de la statistique de test de H 0 soit asymétrique de 0, un test bilatéral est exprimé comme suit : valeur de p = 2 * P(ST |st| | H 0 est vrai) = 2 * (1 - cdf(|ts|))
Nous utilisons le test t pour les échantillons indépendants lorsque nous voulons comparer les moyennes de deux groupes ou échantillons indépendants. Nous voulons savoir s'il existe une différence significative entre ces moyennes.
William Sealy Gosset, qui inventa le test t, sous le pseudonyme Student. Le test de Student et la loi de probabilités qui lui correspond ont été publiés en 1908 dans la revue Biometrika par William Gosset.
3. Les degrés de liberté sont utilisés pour calculer la statistique T, qui est une mesure de la différence entre les moyennes des deux groupes comparés. Plus la statistique t est grande, plus la différence entre les deux moyens est importante et plus il est probable que nous rejeterons l'hypothèse nulle.
Un test, comme le qualificatif « psychométrique » l'indique, est un outil de mesure et doit avoir à ce titre des qualités métrologiques (i.e. être un bon outil de mesure). Trois qualités sont très classiquement requises : la sensibilité, la fidélité et la validité.
Ainsi, le normal est associé au bon, à ce qui est souhaitable, approuvé socialement ; il est également ce qui est le plus fréquent et donc facilement repérable et observable[8]. L'anormal, le pathologique, difficilement définissable en lui-même, est forcément le contraire du normal ; il est inadapté et dérangeant.
normaux. Normal est un adjectif utilisé pour désigner une chose ou une personne conforme à la moyenne, à la norme habituelle. Exemple : Lorsqu'il est né, nous avons craint que notre enfant ait un problème d'audition, mais fort heureusement il est tout à fait normal. Perpendiculaire.
État, caractère de ce qui est conforme à la norme, à ce qui est considéré comme l'état normal. 2. Rapport de la concentration d'une solution titrée à celle de la solution normale du même corps dissous. (La normalité d'une solution normale est égale à l'unité.)
L'analyse de la variance (ANOVA) est très utilisée en statistique et dans le domaine des études marketing. Cette méthode analytique puissante sert à mettre en avant des différences ou des dépendances entre plusieurs groupes statistiques.
Interprétation. Sachant que l'hypothèse nulle est que la population est normalement distribuée, si la p-value est inférieure à un niveau alpha choisi (par exemple 0.05), alors l'hypothèse nulle est rejetée (i.e. il est improbable d'obtenir de telles données en supposant qu'elles soient normalement distribuées).
Le test de Kruskal-Wallis est une alternative non paramétrique au test ANOVA à un facteur. Il étend le test de Wilcoxon à deux échantillons dans les cas où il y a plus de deux groupes à comparer. Il est recommandé lorsque les hypothèses du test ANOVA, à un facteur, ne sont pas respectées.
Le test de McNemar permet de déterminer si des proportions appariées sont différentes. Vous pouvez par exemple l'utiliser pour déterminer si un programme de formation à un effet sur la proportion de participants qui répondent correctement à une question.
Pour prendre une décision, choisissez le niveau de significativité α (alpha), avant le test : Si p est inférieur ou égal à α, rejetez H0. Si p est supérieur à α, ne rejetez pas H0 (en principe, vous n'acceptez jamais l'hypothèse H0, mais vous vous contentez de ne pas la rejeter)