Test de proportion à deux échantillons

Un test de proportion à deux échantillons est un test d'hypothèse qui compare les proportions d'une caractéristique donnée entre deux populations indépendantes et détermine si la différence observée est significative, via un intervalle de confiance de la différence des proportions. Il sert en santé, en économie et en analyse de survie, où proportions, taux et pourcentages sont plus pertinents que moyennes ou variances, si l'indépendance, l'échantillonnage aléatoire, les résultats binaires et des effectifs d'échantillon suffisants sont assurés.

Dernière révision

Point clé

Un test de proportion à deux échantillons est un test d'hypothèse qui compare les proportions d'une caractéristique donnée entre deux populations indépendantes pour déterminer si la différence observée est significative.

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

Qu'est-ce que le test de proportion à deux échantillons ?

Un test de proportion à deux échantillons est un test d'hypothèse statistique qui compare les proportions d'une caractéristique donnée entre deux populations indépendantes et détermine si la différence observée est statistiquement significative, en calculant un intervalle de confiance de la différence entre les proportions des populations. Il s'applique à des domaines comme la santé, l'économie et l'analyse de survie, où les proportions, taux et pourcentages sont plus pertinents que les moyennes ou les variances, sous réserve que les hypothèses d'indépendance, d'échantillonnage aléatoire, de résultats binaires et d'effectifs d'échantillon suffisants soient respectées.

Quand utiliser le test de proportion à deux échantillons ?

Un test de proportion à deux échantillons sert à déterminer s'il existe une différence statistiquement significative entre les proportions de deux populations pour une caractéristique donnée.

  • Comparer des proportions: lorsque vous devez comparer les proportions d'une caractéristique donnée entre deux populations ou échantillons indépendants.
  • Grand effectif de l'échantillon: utilisez le test z à deux échantillons pour des proportions lorsque les deux échantillons sont assez grands, généralement avec au moins 10 succès et 10 échecs dans chaque échantillon, afin de satisfaire les conditions de l'approximation normale.
  • Petit effectif de l'échantillon: pour de petits effectifs d'échantillon où les conditions de l'approximation normale ne sont pas remplies, utilisez le test exact de Fisher, un test non paramétrique qui donne des résultats exacts quelle que soit l'effectif de l'échantillon.
  • Résultats binaires: lorsque les données sont des résultats binaires (par exemple succès/échec, oui/non) et que vous voulez déterminer si les proportions diffèrent significativement.
  • Échantillonnage aléatoire: lorsque les échantillons sont sélectionnés au hasard dans leurs populations respectives, afin d'obtenir des résultats valides et représentatifs.

Voici quelques situations où vous pouvez utiliser un test de proportion à deux échantillons :

  • Recherche médicale : supposons que vous testiez un nouveau médicament conçu pour réduire le risque de maladie cardiaque. Vous pourriez réaliser un test de proportion à deux échantillons pour comparer la proportion de patients qui développent une maladie cardiaque dans un groupe traité (qui reçoit le médicament) et dans un groupe témoin (qui ne le reçoit pas).
  • Étude de marché : supposons que vous meniez une enquête pour déterminer la satisfaction des clients à l'égard de deux marques d'un produit. Vous pourriez utiliser un test de proportion à deux échantillons pour comparer la proportion de clients satisfaits de chaque marque.
  • Contrôle qualité : supposons que vous testiez la qualité de deux procédés de fabrication pour déterminer lequel produit le plus de produits défectueux. Vous pourriez utiliser un test de proportion à deux échantillons pour comparer la proportion de produits défectueux produits par chaque procédé.

Recommandations pour bien utiliser le test de proportion à deux échantillons

  • Échantillonnage aléatoire: assurez-vous que les données de l'échantillon sont sélectionnées au hasard pour pouvoir généraliser valablement à la population.
  • Données binaires: les données ne doivent comporter que deux catégories (par exemple conforme/non conforme, 1/0). Pour des données de comptage, utilisez un test du taux de Poisson à 2 échantillons.
  • Indépendance des observations: chaque observation doit être indépendante de toutes les autres.
  • Effectif d'échantillon approprié: assurez-vous que l'effectif de l'échantillon est assez grand 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 de proportion à deux échantillons

  • Si votre jeu de données est constitué de comptages, comme le nombre de défauts par unité, il convient d'utiliser le test du taux de Poisson à 2 échantillons.

Exemple de test de proportion à deux échantillons

Pour évaluer si les étudiants ou les étudiantes de premier cycle ont plus de chances d'obtenir un emploi d'été, un responsable des aides financières d'une université sélectionne un échantillon d'étudiants. Sur 802 étudiants de sexe masculin échantillonnés, 725 obtiennent un emploi pendant l'été, tandis que 573 des 712 étudiantes échantillonnées en obtiennent un. Le responsable utilise un test de 2 proportions pour évaluer quel sexe a le plus de chances d'obtenir un emploi d'été. Les étapes sont les suivantes :

  1. Analysez les données à l'aide de https://statsai.zometric.com/
  2. Dans l'outil, saisissez les données. Indiquez le nombre d'événements de l'échantillon 1 : 725, le nombre d'essais de l'échantillon 1 : 802, le nombre d'événements de l'échantillon 2 : 573, le nombre d'essais de l'échantillon 2 : 712, la différence hypothétique : 0 et le niveau de confiance : 95.
  3. Une fois l'outil utilisé, vous obtenez les résultats suivants :
Two sample proportion test — figure 1

Comment réaliser un test de proportion à deux échantillons

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 >Two sample proportion test.
  3. Cliquez sur Two sample proportion 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 nombre d'événements, du nombre d'essais, de la proportion hypothétique et du niveau de confiance.
  6. Enfin, cliquez sur calculate en bas de la page pour obtenir les résultats.

Le tableau de bord du test de proportion à deux échantillonsne comporte que la partie gauche.

Two sample proportion test — figure 2

Dans cette partie gauche, vous trouvez de nombreuses options, présentées ci-dessous :

  • Number of events : dans un test de proportion à un échantillon, le nombre d'événements correspond au nombre d'occurrences de l'événement étudié dans l'échantillon analysé.
  • Number of trials : dans un test de proportion à un échantillon, le nombre d'essais correspond au nombre d'essais ou d'observations indépendants et identiques réalisés sur l'échantillon analysé.
  • Hypothesized difference : la différence hypothétique correspond à la différence entre les paramètres de la population selon l'hypothèse nulle et selon l'hypothèse alternative. Par exemple, si l'on veut tester si le score moyen à un test diffère significativement entre deux groupes (par exemple les hommes et les femmes), la différence hypothétique serait la différence entre le score moyen des hommes et le score moyen des femmes.
  • Confidence level : dans un test d'hypothèse, le niveau de confiance représente le degré de certitude que nous accordons à notre analyse statistique. C'est une valeur de probabilité qui indique la vraisemblance que le vrai paramètre de la population se situe 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, 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 vrai 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 dans les résultats. Toutefois, augmenter le niveau de confiance augmente aussi la largeur de 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.
  • 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 généralement le statu quo, c'est-à-dire l'hypothèse qu'il n'y a 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 variables étudiés.
  • Load example : des données d'exemple sont chargées.
  • Method :
    • Estimate the proportions separately : pour estimer séparément les proportions dans un test de proportion à deux échantillons, vous devez d'abord recueillir les données de deux échantillons indépendants et calculer la proportion de succès (ou de l'événement étudié) pour chaque échantillon.
    • Use the pooled estimate of the proportion : dans un test de proportion à deux échantillons, l'estimation groupée de la proportion est une moyenne pondérée des proportions des deux échantillons, en supposant que les vraies proportions dans les populations sont égales. Cette estimation sert à calculer la statistique de test et à déterminer si la différence de proportions entre les deux échantillons est statistiquement significative.

Questions fréquentes

Qu'est-ce qu'un test de proportion à deux échantillons ?

Un test de proportion à deux échantillons est un test d'hypothèse qui compare la proportion d'une caractéristique donnée entre deux populations indépendantes et détermine si la différence observée est statistiquement significative. Il fournit aussi un intervalle de confiance de la différence entre les proportions des populations.

Quelles sont les hypothèses d'un test de proportion à deux échantillons ?

Les données doivent être binaires, comme conforme/non conforme ou oui/non ; les échantillons doivent être sélectionnés au hasard ; chaque observation doit être indépendante de toutes les autres ; et les effectifs d'échantillon doivent être assez grands. Le test z pour des proportions exige généralement au moins 10 succès et 10 échecs dans chaque échantillon pour l'approximation normale.

Quand utiliser plutôt le test exact de Fisher ?

Pour de petits échantillons où les conditions de l'approximation normale ne sont pas remplies, utilisez le test exact de Fisher, un test non paramétrique qui donne des résultats exacts quelle que soit l'effectif de l'échantillon. Le test z à deux échantillons pour des proportions convient à des échantillons comportant chacun au moins 10 succès et 10 échecs.

Quand utiliser plutôt un test du taux de Poisson à 2 échantillons ?

Utilisez le test du taux de Poisson à 2 échantillons lorsque les données sont des comptages, comme le nombre de défauts par unité, plutôt que des résultats binaires. Le test de proportion à deux échantillons ne s'applique que lorsque chaque unité appartient à l'une de deux catégories, par exemple défectueuse ou non défectueuse.