Calculateur de test t apparié

Qu'est-ce qu'un test t apparié ?

Le test t apparié (test t pour échantillons dépendants) compare les moyennes de deux mesures liées sur les mêmes sujets.

Question à laquelle il répond : « Y a-t-il un changement significatif entre deux conditions pour les mêmes sujets ? »

Exemples :

• Avant vs après traitement sur les mêmes patients
• Test vs retest pour les mêmes étudiants
• Œil gauche vs œil droit
• Performance du lundi vs vendredi pour les mêmes travailleurs

Pourquoi « apparié » ?

Chaque observation dans une condition est associée à une observation spécifique dans l'autre :

Le test analyse les différences, pas les valeurs brutes.

Les hypothèses

Hypothèse nulle (H₀) : μ_d = 0 (la différence moyenne est nulle)

Hypothèse alternative (H₁) :

• Bilatérale : μ_d ≠ 0 (il y a une différence)
• Droite : μ_d > 0 (changement positif)
• Gauche : μ_d < 0 (changement négatif)

La statistique de test

$t = \frac{\bar{d}}{s_d / \sqrt{n}}$

Où :

• $\bar{d}$ = moyenne des différences
• $s_d$ = écart-type des différences
• $n$ = nombre de paires

$dl = n - 1$

C'est essentiellement un test t à un échantillon sur les différences.

Exemple de calcul

Scénario : Tension artérielle avant et après une intervention de relaxation.

Données : 15 patients

Résumé : d̄ = -6,5, s_d = 4,2

Calcul : t = -6,5 / (4,2 / √15) t = -6,5 / 1,08 t = -6,02

Valeur p : Pour dl = 14 (bilatéral), p < 0,001

Conclusion : La tension artérielle a significativement diminué après l'intervention.

Pourquoi les tests appariés sont plus puissants

Les designs appariés contrôlent les différences individuelles :

Non apparié : La variabilité inter-sujets obscurcit l'effet Apparié : Chaque sujet sert de son propre contrôle

Les scores de différence ont souvent une variance beaucoup plus petite que les scores bruts, rendant les effets réels plus faciles à détecter.

Applications

Études pré-post

Mesurer les mêmes sujets avant et après une intervention.

Essais croisés

Chaque sujet reçoit les deux traitements (à des périodes différentes).

Paires appariées

Paires appariées sur des variables confondantes (jumeaux, contrôles appariés).

Mesures répétées

Mêmes sujets mesurés sous différentes conditions.

Expériences intra-sujet

Comparer les réponses à différents stimuli chez la même personne.

Hypothèses

Observations appariées

Chaque mesure dans un groupe correspond à une mesure spécifique dans l'autre.

Normalité des différences

Les différences doivent être approximativement normalement distribuées, OU n doit être grand (n > 30).

Vérifier avec un histogramme ou un graphique QQ des différences.

Indépendance des paires

Les différentes paires doivent être indépendantes (la différence d'un sujet ne devrait pas affecter celle d'un autre).

Quand ne pas utiliser le test t apparié

Sujets différents dans chaque groupe : Utilisez le test t à deux échantillons.

Plus de deux conditions : Utilisez l'ANOVA à mesures répétées.

Différences non normales avec petit n : Utilisez le test de Wilcoxon des rangs signés.

Taille d'effet : d de Cohen

Pour les données appariées :

$d = \frac{\bar{d}}{s_d}$

Dans l'exemple : d = -6,5 / 4,2 = -1,55 (effet large)

Intervalle de confiance pour la différence moyenne

$IC = \bar{d} \pm t^* \times \frac{s_d}{\sqrt{n}}$

IC 95% pour l'exemple : -6,5 ± 2,14 × 1,08 = (-8,8, -4,2)

L'intervalle exclut 0, confirmant une diminution significative.

Effets de report

Dans les designs croisés, l'ordre compte. Si le Traitement A affecte la réponse au Traitement B :

• Inclure des périodes de washout
• Randomiser l'ordre
• Tester les effets de report
• Considérer un design parallèle à la place

Apparié vs indépendant : différences clés

Erreurs courantes

Utiliser un test indépendant pour des données appariées

Ignorer l'appariement gaspille de l'information et réduit la puissance.

Ignorer le report dans les designs croisés

Les effets d'ordre de traitement peuvent biaiser les résultats.

Supposer la normalité des scores bruts

Ce qui compte est la normalité des différences, pas des mesures originales.

Rapporter les résultats

Format APA :

« Un test t pour échantillons appariés a révélé une diminution significative de la tension artérielle après l'intervention, t(14) = -6,02, p < 0,001, d = -1,55. La tension artérielle moyenne a diminué de 6,5 mmHg (ET = 4,2). »

Calculs associés

• Test t à deux échantillons — Groupes indépendants
• Test t à un échantillon — Comparer à une valeur
• Test de Wilcoxon des rangs signés — Apparié non paramétrique
• ANOVA à mesures répétées — Plus de deux conditions
• IC pour la différence de moyennes — Estimation par intervalle

Résumé

Le test t apparié compare deux mesures liées sur les mêmes sujets en analysant les différences. Ce design contrôle la variabilité individuelle, augmentant la puissance pour détecter les effets. Le test est équivalent à un test t à un échantillon sur les différences, testant si la différence moyenne est nulle. Les hypothèses incluent la normalité des différences (pas des scores bruts) et l'indépendance des paires. Rapportez la différence moyenne, l'écart-type des différences, la statistique t, la valeur p et la taille d'effet pour une interprétation complète.