Calculateur de test AB: test T à deux échantillons

Le test t à deux échantillons compare les moyennes de deux groupes indépendants pour déterminer si elles diffèrent de manière significative. Utilisez-le pour comparer les moyennes entre deux groupes avec des données continues.

Les tests t appariés comparent des mesures liées (avant/après, paires appariées). Les tests t non appariés comparent des groupes indépendants. Choisissez en fonction de la conception de votre étude et de la structure des données.

Les tests t supposent: une distribution normale (ou une grande taille d'échantillon), des observations indépendantes et des variances égales entre les groupes. L'outil peut fournir des tests pour ces hypothèses.

Pour les petits échantillons (généralement n < 30), il est important que les données de chaque groupe suivent approximativement une loi normale ou qu'il n'y ait pas de valeurs aberrantes significatives. À mesure que la taille de l'échantillon augmente, l'impact des écarts à la normalité diminue grâce au théorème central limite.

Examinez la p-valeur, l'intervalle de confiance et la taille de l'effet. Une p-valeur <0,05 indique généralement une différence significative. L'intervalle de confiance montre la plage de différences plausibles.

La taille de l'effet (par exemple, le coefficient d de Cohen) mesure l'ampleur de la différence entre les moyennes des groupes, au-delà de la question de savoir si la différence est statistiquement significative. Elle aide à comprendre l'importance pratique de la différence.

Le test Z est utilisé lorsque vous connaissez la variance de la population et que vous avez une grande taille d'échantillon. Le test t est plus approprié lorsque la variance de la population est inconnue et estimée à partir de l'échantillon, en particulier pour les petits échantillons.

L'hypothèse nulle (H0) dans un test t stipule généralement qu'il n'y a pas de différence significative entre les moyennes des deux groupes comparés. Le test t évalue s'il y a suffisamment de preuves pour rejeter cette hypothèse.