Test z à un échantillon (One sample z-test)

Le test z à un échantillon compare la moyenne d'un échantillon à une moyenne hypothétique lorsque l'écart-type de la population est connu par des études antérieures ou des données historiques. Les données doivent être continues, aléatoires et indépendantes, et soit normalement distribuées, soit d'un effectif d'échantillon supérieur à 20 sans forte asymétrie. Si l'écart-type est inconnu, utilisez un test t à un échantillon. Les résultats comprennent la statistique z, la valeur p et l'intervalle de confiance.

Dernière révision

Point clé

Un test z à un échantillon détermine si la moyenne d'un échantillon diffère significativement d'une moyenne de population hypothétique lorsque l'écart-type de la population est connu, à l'aide de la distribution normale centrée réduite.

Sur cette page
  1. Qu'est-ce que le test z à un échantillon ?
  2. Quand utiliser le test z à un échantillon ?
    1. Conditions d'utilisation d'un test z à un échantillon :
  3. Recommandations pour bien utiliser le test z à un échantillon
  4. Alternatives : quand ne pas utiliser le test z à un échantillon
  5. Exemple de test z à un échantillon
  6. Comment effectuer un test z à un échantillon
  7. Comment effectuer un test z à un échantillon pour des données résumées

Qu'est-ce que le test z à un échantillon ?

Le test z à un échantillon est une procédure fondamentale de statistique inférentielle servant à déterminer si la moyenne d'un échantillon diffère significativement d'une moyenne de population connue. Ce test paramétrique s'applique lorsque l'écart-type de la population est connu, que les points de données sont indépendants, et que les données suivent soit une distribution normale, soit un échantillon assez grand (supérieur à 20, avec des données non fortement asymétriques) pour que la moyenne de l'échantillon soit approximativement normale. Il est polyvalent : on peut l'appliquer à un échantillon, à deux échantillons ou à des proportions en test d'hypothèse. Le test z peut être unilatéral à gauche, unilatéral à droite ou bilatéral selon la nature des données et l'hypothèse testée. Le test consiste à comparer la moyenne de l'échantillon à la moyenne de la population à l'aide de la distribution normale centrée réduite pour calculer les valeurs critiques.

Le test z à un échantillon évalue si la moyenne de l'échantillon est significativement supérieure, inférieure ou différente de la moyenne de la population. L'hypothèse nulle énonce qu'il n'existe pas de différence significative entre la moyenne de l'échantillon et la moyenne de la population. La statistique de test est calculée et comparée aux valeurs critiques ; si elle tombe dans la région critique, l'hypothèse nulle est rejetée.

Quand utiliser le test z à un échantillon ?

Il s'utilise généralement lorsque vous disposez d'un seul échantillon et voulez le comparer à une valeur connue de la population.

Conditions d'utilisation d'un test z à un échantillon :

  1. Écart-type de la population connu: l'écart-type de la population (σ\sigmaσ) doit être connu.
  2. Effectif de l'échantillon : si les données ne suivent pas une distribution normale, l'effectif de l'échantillon doit être supérieur à 20 et les données ne doivent pas être fortement asymétriques.
  3. Distribution normale : la population dont l'échantillon est tiré doit suivre une distribution normale, surtout pour les petits effectifs d'échantillon (20 ou moins). Avec des échantillons plus grands, en revanche, le test z est robuste à l'écart à la normalité.
  4. Points de données indépendants: les points de données de l'échantillon doivent être indépendants les uns des autres. Cela signifie que la valeur d'un point de données n'influence pas celle d'un autre.

Voici quelques situations où vous pourriez utiliser un test z à un échantillon :

  • Maîtrise de la qualité : une usine produit des pièces et vous voulez savoir si leur masse est conforme à la spécification du client. Dans ce cas, vous pouvez prélever un échantillon de pièces, mesurer leur masse et la comparer à la spécification du client.
  • Recherche médicale : un nouveau médicament destiné à faire baisser la tension artérielle a été mis au point et vous voulez savoir s'il est efficace. Vous pouvez prendre un échantillon de patients souffrant d'hypertension, leur administrer le médicament et mesurer leur tension artérielle après un certain temps. Vous pouvez ensuite comparer la tension artérielle moyenne de l'échantillon à la moyenne de la population.
  • Satisfaction des clients : une entreprise veut savoir si ses clients sont satisfaits de ses produits. Dans ce cas, elle peut prélever un échantillon aléatoire de clients et leur demander de noter leur satisfaction sur une échelle de 1 à 10. Elle peut ensuite comparer le score moyen de satisfaction de l'échantillon à la moyenne de la population.

Recommandations pour bien utiliser le test z à un échantillon

  • Utilisez le test z à un échantillon si l'écart-type de la population est connu
  • Utilisez des données continues pour l'analyse, comme la masse de colis
  • Utilisez One sample Poisson Rate pour des données de comptage et One Proportion pour des données de type conforme/non conforme
  • L'effectif de l'échantillon doit être supérieur à 20 et les données ne doivent pas être fortement asymétriques
  • Sélectionnez les données de l'échantillon au hasard et veillez à ce que chaque observation soit indépendante
  • Déterminez un effectif d'échantillon approprié pour obtenir des estimations précises, des intervalles de confiance étroits et une protection contre les erreurs.

Alternatives : quand ne pas utiliser le test z à un échantillon

Si vous ne connaissez pas l'écart-type de la population, vous devez utiliser le test t à un échantillon.

Exemple de test z à un échantillon

Un scientifique d'une entreprise qui fabrique des aliments transformés veut évaluer le pourcentage de matières grasses de la sauce en bouteille de l'entreprise. Le pourcentage annoncé est de 15%. Le scientifique mesure le pourcentage de matières grasses sur 20 échantillons aléatoires. Des mesures antérieures ont établi que l'écart-type de la population est de 2.6%. Il effectue un test z à un échantillon pour déterminer si le pourcentage de matières grasses diffère de 15%. Les étapes sont les suivantes :

  1. Rassemblez les données nécessaires.
One sample z-test — figure 1
  1.  Analysez maintenant les données dans Zometric Statistical Software à l'adresse https://statsai.zometric.com/.
  2.  Pour trouver One sample z-test, choisissez Statistical module> Graphical analysis> One sample z-test.
  3.  Dans l'outil, saisissez les données ainsi que les autres entrées comme suit :
  4. Après avoir utilisé l'outil ci-dessus, vous obtenez les résultats suivants :
One sample z-test — figure 2One sample z-test — figure 3One sample z-test — figure 4

Comment effectuer un test z à un échantillon

La marche à suivre est la suivante :

  1. Connectez-vous à Zometric Statistical Software à l'adresse https://statsai.zometric.com/
  2. Sur la page d'accueil, choisissez Statistical Tool> Graphical analysis >One sample z-test.
  3. Cliquez sur One sample z-test pour accéder au tableau de bord.
  4. Ensuite, saisissez les données manuellement ou copiez-les (Ctrl+C) depuis une feuille Excel et collez-les (Ctrl+V) ici.
  5. Ensuite, vous devez saisir les valeurs du niveau de confiance, de l'écart-type connu et de la moyenne hypothétique.
  6. Enfin, cliquez sur calculate en bas de la page pour obtenir les résultats.

Sur le tableau de bord de One sample z-test, la fenêtre est divisée en deux parties.

One sample z-test — figure 5

Dans la partie gauche se trouve le Data Pane (volet de données). Dans le Data Pane, chaque ligne constitue un sous-groupe. Les données peuvent être saisies manuellement ou copiées (Ctrl+C) depuis une feuille Excel puis collées (Ctrl+V) ici.

Load example : des données d'exemple sont chargées.

Load File : sert à charger directement les données Excel.

Dans la partie droite se trouvent de nombreuses options, comme suit :

  • Confidence level : En test d'hypothèse, le niveau de confiance représente le degré de certitude ou de confiance que nous accordons à notre analyse statistique. C'est une valeur de probabilité qui indique la vraisemblance que le véritable paramètre de la population se situe dans la plage de valeurs spécifiée. Le niveau de confiance s'exprime généralement en pourcentage et se note (1 - α), où α est le seuil de signification, c'est-à-dire la probabilité de rejeter une hypothèse nulle vraie. Par exemple, avec un niveau de confiance de 95 %, nous disons que nous sommes sûrs à 95 % que le véritable paramètre de la population se trouve dans notre estimation par intervalle, et qu'il existe un risque de 5 % de commettre une erreur de type I (rejeter une hypothèse nulle vraie). En pratique, un niveau de confiance plus élevé signifie que nous avons davantage confiance dans notre analyse et nos résultats. Toutefois, augmenter le niveau de confiance élargit aussi l'intervalle de confiance, ce qui rend plus difficile la détection de petits effets. Le choix du niveau de confiance dépend donc du contexte de l'étude et des objectifs du chercheur.
  • Known standard deviation : l'écart-type de la population (σ), connu grâce à des études antérieures ou à des données historiques plutôt qu'estimé à partir de l'échantillon. La statistique de test z est la différence entre la moyenne de l'échantillon et la moyenne hypothétique, divisée par l'erreur-type de la moyenne (σ divisé par la racine carrée de l'effectif de l'échantillon), et elle est comparée à la distribution normale centrée réduite.
  • Hypothesized mean : La moyenne hypothétique, aussi appelée moyenne attendue ou moyenne de la population, est une valeur précisée dans l'hypothèse nulle qui représente la valeur moyenne de la variable testée. C'est une valeur théorique utilisée pour la comparer à la moyenne observée de l'échantillon afin de déterminer si la différence est statistiquement significative ou due au hasard.
  • Alternative hypothesis : En test d'hypothèse, l'hypothèse alternative (aussi appelée hypothèse de recherche) est un énoncé qui représente une conclusion différente de l'hypothèse nulle. L'hypothèse nulle représente généralement le statu quo, c'est-à-dire l'hypothèse selon laquelle il n'existe pas de différence ou de relation significative entre deux groupes ou variables, ou plus. L'hypothèse alternative est l'énoncé que l'on teste : elle propose qu'il existe une différence ou une relation significative entre les groupes ou les variables étudiés.
  • Box Plot : si cette case est cochée, vous obtenez la boîte à moustaches (box plot) ; sinon, non.
  • Histogram : si cette case est cochée, vous obtenez l'histogramme ; sinon, non.
  • Label :  ajoute des étiquettes de données, avec trois options :
    • Outlier: valeurs de données éloignées des autres, qui peuvent fortement influencer vos résultats.
    • All quartiles: les quartiles sont les valeurs qui divisent un échantillon de données en quatre parties égales. Ils permettent d'évaluer rapidement la dispersion et la tendance centrale d'un jeu de données.
    • Mean: la moyenne dans une boîte à moustaches apporte une information supplémentaire sur la tendance centrale des données.
    • Individual Data : un point de données individuel est une observation ou une valeur unique d'un jeu de données.
  • Download as Excel: affiche le résultat au format Excel ; il peut être facilement modifié puis rechargé pour de nouveaux calculs avec l'option Load File.

Comment effectuer un test z à un échantillon pour des données résumées

La marche à suivre est la suivante :

  1. Connectez-vous à Zometric Statistical Software à l'adresse https://statsai.zometric.com/
  2. Sur la page d'accueil, choisissez Statistical Tool> Graphical analysis >One sample z-test for summarized data
  3. Cliquez sur One sample z-test for summarized data pour accéder au tableau de bord.
  4. Ensuite, saisissez les données manuellement ou copiez-les (Ctrl+C) depuis une feuille Excel et collez-les (Ctrl+V) ici.
  5. Ensuite, vous devez saisir les valeurs de l'effectif de l'échantillon, de la moyenne de l'échantillon, de l'écart-type connu, de la moyenne hypothétique et du niveau de confiance.
  6. Enfin, cliquez sur calculate en bas de la page pour obtenir les résultats.

Sur le tableau de bord de One sample z-test for summarized data, la fenêtre ne comporte que la partie gauche.

Load File : sert à charger directement les données Excel.

One sample z-test — figure 6

Dans cette partie se trouvent de nombreuses options, comme suit :

  • Sample size : l'effectif de l'échantillon désigne le nombre d'individus, d'objets ou d'événements sélectionnés dans une population pour être étudiés afin de tirer des conclusions sur l'ensemble de la population. Autrement dit, c'est le nombre d'observations ou de participants inclus dans une étude. L'effectif de l'échantillon peut avoir un impact important sur l'exactitude et la fiabilité des résultats de l'étude. Un effectif d'échantillon plus grand donne généralement une image plus représentative de la population et aide à réduire les effets de l'erreur d'échantillonnage aléatoire. Il est donc important de déterminer un effectif d'échantillon approprié avant de mener une recherche afin que les résultats soient statistiquement valides et fiables.
  • Sample mean : la moyenne de l'échantillon est la valeur moyenne d'un ensemble d'observations ou de points de données sélectionnés dans une population plus large. Elle se calcule en additionnant toutes les valeurs de l'échantillon et en divisant par le nombre d'observations. La moyenne de l'échantillon sert souvent d'estimateur de la moyenne de la population, qui est la valeur moyenne de l'ensemble de la population.
  • Confidence level : En test d'hypothèse, le niveau de confiance représente le degré de certitude ou de confiance que nous accordons à notre analyse statistique. C'est une valeur de probabilité qui indique la vraisemblance que le véritable paramètre de la population se situe dans la plage de valeurs spécifiée. Le niveau de confiance s'exprime généralement en pourcentage et se note (1 - α), où α est le seuil de signification, c'est-à-dire la probabilité de rejeter une hypothèse nulle vraie. Par exemple, avec un niveau de confiance de 95 %, nous disons que nous sommes sûrs à 95 % que le véritable paramètre de la population se trouve dans notre estimation par intervalle, et qu'il existe un risque de 5 % de commettre une erreur de type I (rejeter une hypothèse nulle vraie). En pratique, un niveau de confiance plus élevé signifie que nous avons davantage confiance dans notre analyse et nos résultats. Toutefois, augmenter le niveau de confiance élargit aussi l'intervalle de confiance, ce qui rend plus difficile la détection de petits effets. Le choix du niveau de confiance dépend donc du contexte de l'étude et des objectifs du chercheur.
  • Known standard deviation : l'écart-type de la population (σ), connu grâce à des études antérieures ou à des données historiques plutôt qu'estimé à partir de l'échantillon. La statistique de test z est la différence entre la moyenne de l'échantillon et la moyenne hypothétique, divisée par l'erreur-type de la moyenne (σ divisé par la racine carrée de l'effectif de l'échantillon), et elle est comparée à la distribution normale centrée réduite.
  • Hypothesized mean : La moyenne hypothétique, aussi appelée moyenne attendue ou moyenne de la population, est une valeur précisée dans l'hypothèse nulle qui représente la valeur moyenne de la variable testée. C'est une valeur théorique utilisée pour la comparer à la moyenne observée de l'échantillon afin de déterminer si la différence est statistiquement significative ou due au hasard.
  • Alternative hypothesis : En test d'hypothèse, l'hypothèse alternative (aussi appelée hypothèse de recherche) est un énoncé qui représente une conclusion différente de l'hypothèse nulle. L'hypothèse nulle représente généralement le statu quo, c'est-à-dire l'hypothèse selon laquelle il n'existe pas de différence ou de relation significative entre deux groupes ou variables, ou plus. L'hypothèse alternative est l'énoncé que l'on teste : elle propose qu'il existe une différence ou une relation significative entre les groupes ou les variables étudiés.
  • Download as Excel: affiche le résultat au format Excel ; il peut être facilement modifié puis rechargé pour de nouveaux calculs avec l'option Load File.

Questions fréquentes

Qu'est-ce qu'un test z à un échantillon ?

Un test z à un échantillon détermine si la moyenne d'un échantillon diffère significativement d'une moyenne de population connue lorsque l'écart-type de la population est connu. La statistique z est la différence entre la moyenne de l'échantillon et la moyenne hypothétique, divisée par l'erreur-type, c'est-à-dire sigma divisé par la racine carrée de l'effectif de l'échantillon. Il peut être réalisé comme test unilatéral à gauche, unilatéral à droite ou bilatéral.

Quelles sont les conditions d'un test z à un échantillon ?

L'écart-type de la population doit être connu, et les points de données doivent être indépendants, continus et issus d'un échantillonnage aléatoire. Les données doivent suivre une distribution normale, surtout pour des effectifs d'échantillon de 20 ou moins ; si les données ne sont pas normales, l'effectif de l'échantillon doit être supérieur à 20 et les données ne doivent pas être fortement asymétriques, afin que la moyenne de l'échantillon soit approximativement normale.

Quelle est la différence entre un test z à un échantillon et un test t ?

Le test z s'utilise lorsque l'écart-type de la population est connu. Si l'écart-type de la population est inconnu et doit être estimé à partir de l'échantillon, utilisez plutôt le test t à un échantillon. Pour des données de comptage, utilisez le test One sample Poisson Rate, et pour des données conforme/non conforme, One Proportion.

Comment réaliser un test z à un échantillon dans Zometric Statistical Software ?

Ouvrez l'outil One sample z-test, saisissez ou collez les données, puis définissez le niveau de confiance, l'écart-type connu, la moyenne hypothétique et l'hypothèse alternative, et cliquez sur Calculate. Une version pour données résumées accepte à la place l'effectif de l'échantillon, la moyenne de l'échantillon, l'écart-type connu, la moyenne hypothétique et le niveau de confiance.