Test d'une variance

Un test d'une variance, en particulier le test du khi-deux pour une variance, est un test statistique qui compare la variance d'un échantillon à une variance de population connue. Il sert à tester une hypothèse sur la variance de la population, en supposant que l'échantillon est tiré d'une population normalement distribuée.

Dernière révision

Point clé

Un test d'une variance, en particulier le test du khi-deux pour une variance, est un test statistique qui compare la variance d'un échantillon à une variance de population connue.

Sur cette page
  1. Qu'est-ce que le test d'une variance ?
  2. Quand utiliser le test d'une variance ?
  3. Recommandations pour bien utiliser le test d'une variance
  4. Alternatives : quand ne pas utiliser le test d'une variance
  5. Exemple de test d'une variance
  6. Comment réaliser un test d'une variance

Qu'est-ce que le test d'une variance ?

Un test d'une variance, en particulier le test du khi-deux pour une variance, est un test statistique qui compare la variance d'un échantillon à une variance de population connue. Il sert à tester une hypothèse sur la variance de la population, en supposant que l'échantillon est tiré d'une population normalement distribuée. L'hypothèse nulle (H₀) énonce que la variance de la population (σ²) est égale à une valeur spécifiée (σ₀²), tandis que l'hypothèse alternative (H₁) pose que la variance est différente de cette valeur. La statistique de test se calcule comme (n−1)*s^2/σ0^2, où s^2 est la variance de l'échantillon, σ0^2​​ est la variance de population hypothétique et n est l'effectif de l'échantillon. Cette statistique suit une distribution du khi-deux à n−1 degrés de liberté, ce qui permet d'évaluer si la variance observée s'écarte significativement de la variance hypothétique. Ce test est typiquement utilisé en contrôle qualité, en gestion des risques et en recherche expérimentale pour évaluer si la variabilité observée répond aux attentes ou normes théoriques.

Quand utiliser le test d'une variance ?

  • Évaluation de la variance: lorsque vous devez déterminer si la variance d'un seul échantillon diffère significativement d'une variance de population connue.
  • Test du khi-deux: en particulier lorsque vous utilisez le test du khi-deux pour une variance, qui compare la variance de l'échantillon à une variance de population spécifiée en supposant que l'échantillon est tiré d'une population normalement distribuée.
  • Distribution normale: lorsque les données sont supposées suivre une distribution normale, car le test repose sur cette hypothèse pour donner des résultats exacts.
  • Contrôle qualité: pour évaluer si la variabilité d'un procédé de production ou d'un produit correspond à la norme ou à la spécification attendue.
  • Gestion des risques: pour évaluer si la variabilité de rendements financiers, d'indicateurs opérationnels ou d'autres indicateurs est conforme à des niveaux ou seuils de risque prédéfinis.
  • Recherche expérimentale: pour tester si la variabilité observée dans des données expérimentales est conforme à des prédictions théoriques ou à des valeurs attendues.
  • Test de cohérence: lorsque l'on évalue la cohérence de mesures ou de sorties de procédé par rapport à des normes ou références connues.

Recommandations pour bien utiliser le test d'une variance

  • Échantillonnage aléatoire: assurez-vous que les données de l'échantillon sont choisies au hasard afin de pouvoir généraliser valablement à la population.
  •  Distribution des données: les données de l'échantillon ne doivent pas être fortement asymétriques. Pour la méthode de Bonett, un effectif d'échantillon supérieur à 40 est recommandée, même avec des données légèrement asymétriques. Pour de plus petits échantillons, vérifiez l'asymétrie et les observations inhabituelles, et soyez prudent avec des données issues de distributions à queues lourdes. [Remarque : n'utilisez la méthode du khi-deux que si les données sont normalement distribuées, car des écarts peuvent affecter significativement les résultats.]
  • Indépendance des observations: chaque observation doit être indépendante de toutes les autres. Des observations dépendantes peuvent invalider les résultats.
  • Effectif d'échantillon approprié: assurez-vous que l'effectif de l'échantillon est suffisant pour fournir des estimations précises, des intervalles de confiance étroits et une protection adéquate contre les erreurs de type I et de type II.

Alternatives : quand ne pas utiliser le test d'une variance

  • Petit effectif de l'échantillon : le test d'une variance exige un effectif d'échantillon minimal pour garantir la puissance statistique. Si l'échantillon est petit, le test peut ne pas être fiable, et des tests alternatifs comme le test t peuvent être plus appropriés.

Exemple de test d'une variance

Le responsable d'un parc à bois évalue l'efficacité de la scierie pour la coupe de poutres censées mesurer 100 cm de long. Pour cela, il prélève un échantillon de 50 poutres à la scierie et mesure leurs longueurs. Il réalise ensuite un test d'une variance pour déterminer si l'écart-type de la scierie est significativement différent de 1. Les étapes suivantes :

  1. Rassemblement des données nécessaires.
One variance test — figure 1
  1.  Analysez ensuite les données dans Zometric Statistical Software à l'adresse https://statsai.zometric.com/.
  2.  Pour trouver One variance test, choisissez Statistical module> Graphical analysis> One variance test.
  3.  Dans l'outil, il saisit les données ainsi que les autres entrées comme suit :
One variance test — figure 2

5. Après avoir utilisé l'outil mentionné ci-dessus, il obtient les résultats suivants :

One variance test — figure 3

Comment réaliser un test d'une variance

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 variance test
  3. Cliquez sur One variance test pour accéder au tableau de bord.
  4. Ensuite, mettez à jour 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 et de l'écart-type hypothétique.
  6. Enfin, cliquez sur calculate en bas de la page pour obtenir les résultats.

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

One variance test — figure 4

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 : permet de charger directement les données Excel.

Dans la partie droite, de nombreuses options sont proposées :

  • Confidence level : dans un 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 trouve dans la plage de valeurs spécifiée. Le niveau de confiance est généralement exprimé en pourcentage et noté (1 - α), où α est le seuil de signification, ou 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 situe dans notre intervalle d'estimation, et qu'il y a 5% de risque 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 statistique et nos résultats. Cependant, 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.
  • Hypothesized standard deviation : l'écart-type hypothétique, aussi appelé écart-type supposé ou écart-type connu, est la valeur de l'écart-type de la population supposée vraie pour les besoins d'un test d'hypothèse.
  • Alternative hypothesis : dans un test d'hypothèse, l'hypothèse alternative (aussi appelée hypothèse de recherche) est un énoncé qui représente une conclusion différente de celle de l'hypothèse nulle. L'hypothèse nulle représente typiquement le statu quo ou l'hypothèse selon laquelle il n'existe pas de différence ou de relation significative entre deux groupes ou variables, ou davantage. L'hypothèse alternative est l'énoncé testé, et elle propose qu'il existe une différence ou une relation significative entre les groupes ou 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 d'une variance ?

Un test d'une variance, en particulier le test du khi-deux pour une variance, compare la variance d'un échantillon à une variance de population connue ou hypothétique. L'hypothèse nulle énonce que la variance de la population égale la valeur spécifiée, et l'hypothèse alternative qu'elle en diffère. Il est utilisé en contrôle qualité, en gestion des risques et en recherche expérimentale.

Comment la statistique du khi-deux pour une variance est-elle calculée ?

La statistique de test est (n - 1) fois la variance de l'échantillon s², divisée par la variance de population hypothétique σ0², où n est l'effectif de l'échantillon. Cette statistique suit une distribution du khi-deux à n - 1 degrés de liberté, qui sert à évaluer si la variance observée s'écarte significativement de la variance hypothétique.

Quelles sont les hypothèses du test d'une variance ?

L'échantillon doit être choisi au hasard et les observations indépendantes. N'utilisez la méthode du khi-deux que si les données sont normalement distribuées, car des écarts peuvent affecter significativement les résultats. Pour la méthode de Bonett, un effectif d'échantillon supérieur à 40 est recommandée, même avec des données légèrement asymétriques ; pour de plus petits échantillons, vérifiez l'asymétrie, les observations inhabituelles et les queues lourdes.

Quand utiliser un test d'une variance ?

Utilisez-le lorsque vous devez savoir si la variabilité d'un seul échantillon diffère d'une norme connue, par exemple si un procédé de production ou un système de mesure est aussi cohérent que l'exige une spécification ou une référence. L'échantillon doit être assez grand pour des estimations précises, des intervalles de confiance étroits et une protection contre les erreurs de type I et de type II.