Test t à un échantillon : statistique, degrés de liberté et p

Saisissez au moins deux observations numériques et la moyenne de l'hypothèse nulle pour obtenir la statistique t, les degrés de liberté et la valeur p bilatérale. Le calcul emploie l'écart-type de l'échantillon ; il convient donc lorsque l'écart-type de la population est inconnu. Le résultat, entièrement déterministe, provient directement des valeurs fournies, sans appel réseau ni simulation aléatoire.

Ce que mesure le test t à un échantillon

Le test t à un échantillon compare la moyenne d'un unique échantillon quantitatif à une valeur de référence fixe. Cette référence est la moyenne de population proposée par l'hypothèse nulle, souvent notée mu zéro. Le calculateur détermine d'abord la moyenne de l'échantillon, puis son écart à la moyenne supposée. Il rapporte ensuite cette différence à l'erreur standard estimée afin de produire la statistique t. Une statistique positive signifie que la moyenne observée dépasse la référence ; une statistique négative signifie qu'elle lui est inférieure. Sa valeur absolue indique combien d'erreurs standards estimées séparent les deux moyennes. Ce calcul est pertinent lorsque l'écart-type de la population est inconnu et doit être estimé à partir de l'échantillon. Cette estimation ajoutant de l'incertitude, le test repose sur la loi t de Student plutôt que sur la loi normale. Les degrés de liberté correspondent au nombre d'observations moins un et déterminent la forme exacte de la loi de référence. La valeur p est bilatérale : les écarts dans les deux sens constituent des éléments contre l'égalité.

Saisie des données et lecture du résultat

Fournissez les observations sous forme de tableau numérique et indiquez séparément la moyenne hypothétique. Il faut au moins deux valeurs, toutes finies. Leur ordre ne modifie pas le test, car le calcul dépend de la moyenne et de la variance, non de la séquence. La statistique t conserve le sens de l'écart : un résultat négatif indique par exemple que la moyenne observée est inférieure à la valeur nulle. Les degrés de liberté valent toujours la taille de l'échantillon moins un. La valeur p représente, si l'hypothèse nulle et son modèle sont exacts, la probabilité d'obtenir une statistique t au moins aussi extrême en valeur absolue. Une petite valeur traduit une incompatibilité plus forte avec la moyenne supposée, mais ne donne pas la probabilité que l'hypothèse nulle soit vraie. Comparez-la à un seuil choisi avant l'examen des données. La significativité statistique ne mesure pas non plus l'importance pratique : examinez l'écart brut, le contexte, une taille d'effet ou un intervalle de confiance.

Hypothèses, limites et interprétation responsable

La validité de l'interprétation dépend du recueil des observations. Les valeurs doivent être indépendantes, mesurées sur une échelle quantitative pertinente et issues d'un protocole autorisant une inférence vers la population étudiée. Pour un petit échantillon, la population sous-jacente devrait être approximativement normale et dépourvue de valeurs aberrantes marquées, susceptibles de déformer la moyenne et l'écart-type. Avec davantage d'observations, la méthode tolère souvent mieux une non-normalité modérée, mais la dépendance, le biais de sélection et le regroupement restent problématiques. Le calculateur refuse un échantillon constant : son écart-type et son erreur standard valent zéro, ce qui rend la statistique t ordinaire indéfinie. Il refuse aussi moins de deux observations, les entrées non numériques et les valeurs non finies. Une faible valeur p peut conduire au rejet de la moyenne annoncée selon une règle fixée à l'avance, sans démontrer une causalité ni garantir la reproductibilité. Présentez la taille de l'échantillon, t, les degrés de liberté, la valeur p, le sens de l'écart et le contexte, plutôt que la seule valeur p.