Test F de deux variances

Saisissez deux tableaux d'observations numériques : le calculateur renvoie la statistique F, définie comme la variance du premier échantillon divisée par celle du second, ainsi qu'une valeur p bilatérale. Le calcul emploie les variances d'échantillon non biaisées et la loi F exacte correspondant aux tailles des échantillons. Il est déterministe, sans simulation ni requête réseau, et exige au moins deux observations par groupe.

Ce que mesure le test F de deux variances

Le test part de l'hypothèse nulle selon laquelle les variances des deux populations sont égales. Il calcule pour chaque groupe une variance d'échantillon non biaisée, avec la taille de l'échantillon moins un au dénominateur, puis divise la première par la seconde. Ce rapport est la statistique F. Une valeur proche de un indique des dispersions observées similaires ; une valeur nettement supérieure à un traduit une plus grande variabilité du premier groupe, tandis qu'une valeur nettement inférieure indique une plus grande variabilité du second. L'ordre influe sur la statistique : inverser les tableaux produit le rapport réciproque et échange les degrés de liberté. La valeur p bilatérale évalue toutefois les écarts extrêmes dans les deux directions. Elle vaut deux fois la plus petite probabilité de queue sous la loi F, sans dépasser un. Une faible valeur p indique qu'un rapport au moins aussi extrême serait inhabituel si les variances des populations étaient égales. Elle ne donne ni la probabilité d'égalité ni l'importance pratique de l'écart.

Saisie des données et interprétation du résultat

Fournissez chaque échantillon sous forme de tableau contenant au moins deux nombres finis. Les tableaux peuvent avoir des longueurs différentes et l'ordre des observations ne modifie pas le calcul. Chaque groupe est résumé séparément par un algorithme stable de variance en un passage. La statistique renvoyée est toujours la variance de group1 divisée par celle de group2 ; conservez cet ordre pour comparer plusieurs rapports. La valeur p est déjà bilatérale : ne la doublez pas. Avant d'examiner les données, choisissez un seuil de signification adapté à l'analyse. Une valeur p inférieure à ce seuil apporte des éléments contre l'égalité des variances sous les hypothèses du modèle. Une valeur plus élevée signifie que les données n'apportent pas d'éléments solides en faveur d'une différence, mais ne prouve pas l'égalité. Dans votre compte rendu, indiquez les tailles et variances des échantillons, l'ordre des groupes, F et la valeur p. Envisagez aussi un intervalle de confiance ou une comparaison robuste de dispersion si l'ampleur pratique compte.

Hypothèses et limites importantes

Le test F classique est sensible à ses hypothèses. Les observations doivent être indépendantes au sein des groupes et entre eux, les échantillons doivent représenter les populations visées et les deux populations sous-jacentes doivent être approximativement normales. Une asymétrie, des queues épaisses ou des valeurs aberrantes peuvent fortement modifier les variances et la statistique, surtout avec de petits échantillons. Examinez la distribution au lieu de considérer la valeur p comme un verdict isolé. Pour des mesures clairement non normales, préférez éventuellement une méthode plus robuste, comme le test de Levene ou de Brown–Forsythe. Le calculateur refuse moins de deux valeurs, les observations non numériques ou non finies, les tableaux dépassant la limite et les variances nulles ou non finies, car le rapport F continu ordinaire n'est alors pas correctement défini. La signification statistique n'établit ni causalité, ni qualité de mesure, ni importance économique. Utilisez ce résultat comme un diagnostic dans une analyse documentée et contextualisée.