Calculateur de test Z à une proportion

Qu'est-ce qu'un test Z pour une proportion ?

Le test Z pour une proportion détermine si une proportion d'échantillon diffère significativement d'une proportion de population hypothétisée.

Question posée : « La vraie proportion est-elle différente de cette valeur spécifique ? »

Exemples :

• « Notre taux de conversion est-il différent de la norme de l'industrie de 3% ? »
• « Le taux de défauts est-il inférieur au seuil acceptable de 2% ? »
• « L'approbation des électeurs est-elle supérieure à 50% ? »

Les hypothèses

Hypothèse nulle (H₀) : p = p₀ (la proportion de population égale la valeur hypothétisée)

Hypothèse alternative (H₁) :

• Bilatérale : p ≠ p₀ (la proportion est différente)
• Unilatérale droite : p > p₀ (la proportion est supérieure)
• Unilatérale gauche : p < p₀ (la proportion est inférieure)

La statistique de test

$z = \frac{\hat{p} - p_0}{\sqrt{\frac{p_0(1-p_0)}{n}}}$

Où :

• $\hat{p}$ = proportion d'échantillon (x/n)
• $p_0$ = proportion hypothétisée
• $n$ = taille d'échantillon

Le dénominateur est l'erreur standard sous l'hypothèse nulle.

Exemple de calcul

Scénario : Une entreprise affirme que 20% des clients rachètent. Nous observons 85 rachats sur 500 clients. Est-ce différent de 20% ?

Données :

• x = 85 rachats
• n = 500 clients
• p̂ = 85/500 = 0,17
• p₀ = 0,20

Calcul : ES = √[0,20 × 0,80 / 500] = √[0,00032] = 0,0179

z = (0,17 - 0,20) / 0,0179 = -1,68

Valeur p : Pour test bilatéral, p = 0,093

Conclusion : Le taux de rachat (17%) n'est pas significativement différent de 20% à α = 0,05 (p = 0,093).

Proportion et comptage d'échantillon

Le test peut être formulé de deux manières :

Forme proportion : p̂ = x/n

Forme comptage : Tester si x diffère de np₀

Les deux donnent des résultats identiques. Utilisez celle qui est la plus naturelle pour votre problème.

Hypothèses

Taille d'échantillon adéquate

np₀ et n(1-p₀) devraient être ≥ 10 (certaines sources disent ≥ 5).

Cela assure que l'approximation normale de la binomiale est valide.

Exemple : n = 100, p₀ = 0,05

• np₀ = 5 (limite)
• Envisagez plutôt un test binomial exact

Indépendance

Chaque observation est indépendante. Un résultat n'affecte pas un autre.

Échantillonnage aléatoire

L'échantillon représente la population d'intérêt.

Échantillon aléatoire simple

Ou au moins une conception d'échantillonnage qui l'approxime.

Quand utiliser le test binomial exact

Utilisez le test Z pour une proportion quand :

• n est grand (≥ 30)
• np₀ ≥ 10 et n(1-p₀) ≥ 10
• Une approximation rapide est acceptable

Utilisez le test binomial quand :

• L'échantillon est petit
• La proportion est proche de 0 ou 1
• Une valeur p exacte est requise

Correction de continuité

Le test Z approxime une distribution discrète (binomiale) par une continue (normale).

z corrigé : z = (|p̂ - p₀| - 1/(2n)) / √[p₀(1-p₀)/n]

Effet : Rend le test légèrement plus conservateur (valeurs p plus élevées).

Vision moderne : Souvent inutile avec des tailles d'échantillon adéquates.

Intervalle de confiance

Un calcul connexe est l'intervalle de confiance pour une proportion :

$IC = \hat{p} \pm z^* \times \sqrt{\frac{\hat{p}(1-\hat{p})}{n}}$

Si $p_0$ se trouve en dehors de l'IC à 95%, vous rejeteriez $H_0$ à α = 0,05.

Applications

Contrôle qualité

Le taux de défauts est-il au ou en dessous de la cible ?

H₀ : p = 0,02 (taux de défaut de 2%) Observé : 15 défauts sur 600 articles (2,5%)

Marketing

Le taux de conversion est-il supérieur à la base de référence ?

H₀ : p = 0,03 (conversion de 3%) Observé : 45 conversions sur 1200 visiteurs (3,75%)

Sondages politiques

Le candidat a-t-il le soutien de la majorité ?

H₀ : p = 0,50 (50% de soutien) Observé : 525 partisans sur 1000 répondants (52,5%)

Recherche médicale

Le taux de succès du traitement est-il supérieur à la norme ?

H₀ : p = 0,70 (70% de succès historique) Observé : 82 succès sur 100 patients (82%)

Tests A/B

Le taux de la nouvelle variante est-il différent du contrôle ?

Note : Pour comparer deux variantes, utilisez le test Z pour deux proportions.

Tests unilatéraux

Unilatéral droit (p > p₀) : Tester si la proportion dépasse le seuil. « Le taux de succès est-il supérieur à 80% ? »

Unilatéral gauche (p < p₀) : Tester si la proportion est inférieure au seuil. « Le taux de défaut est-il inférieur à 1% ? »

Valeur p : Pour unilatéral, divisez la valeur p bilatérale par 2 (dans la direction prédite).

Taille d'effet : h de Cohen

Pour les proportions :

$h = 2 \arcsin(\sqrt{p_1}) - 2 \arcsin(\sqrt{p_2})$

Cette transformation stabilise la variance, rendant h comparable entre différentes proportions de base.

Relation avec le khi-deux

Pour une proportion contre attendue :

z² = χ² (avec df = 1)

Le test Z pour une proportion est équivalent à un test du khi-deux d'ajustement avec deux catégories.

Erreurs courantes

Utiliser la mauvaise erreur standard

La formule ES utilise p₀ (hypothétisé), pas p̂ (observé).

Pour les intervalles de confiance, utilisez p̂. Pour le test d'hypothèse, utilisez p₀.

Ignorer les exigences de taille d'échantillon

Si np₀ < 10, l'approximation normale est médiocre. Utilisez le test binomial exact.

Unilatéral sans justification

Les tests unilatéraux nécessitent une hypothèse directionnelle préalable. Ne choisissez pas après avoir vu les données.

Interpréter la non-signification comme égalité

p > 0,05 ne prouve pas que p = p₀. Cela signifie seulement que vous ne pouvez pas exclure l'égalité.

Puissance et taille d'échantillon

Pour la planification d'études :

n minimum = [z₁₋α/₂ × √(p₀q₀) + z₁₋β × √(p₁q₁)]² / (p₁ - p₀)²

Utilisez le calculateur de taille d'échantillon pour proportions pour une planification appropriée.

Rapporter les résultats

Format APA :

« Un test z pour une proportion a indiqué que le taux de rachat observé (17%, n = 500) ne différait pas significativement des 20% hypothétisés, z = -1,68, p = 0,093. »

Incluez :

• Proportion d'échantillon et n
• Valeur hypothétisée
• Statistique z
• Valeur p
• Intervalle de confiance (optionnel)

Contexte historique

Le test Z pour une proportion a émergé du cadre général de la théorie des grands échantillons développée à la fin du 19ème et au début du 20ème siècle.

Le test applique le théorème central limite aux proportions : avec un n suffisant, les proportions d'échantillon sont approximativement normalement distribuées autour de la vraie proportion.

Abraham de Moivre (1733) et Pierre-Simon Laplace (1812) ont établi les fondements théoriques. La formulation moderne est devenue standard dans la pratique statistique du milieu du 20ème siècle.

Calculs associés

• Test Z pour deux proportions — Comparer deux proportions
• Test binomial — Test exact pour proportions
• Intervalle de confiance pour proportion — Estimation par intervalle
• Taille d'échantillon pour proportions — Planification d'étude
• Khi-deux d'ajustement — Test équivalent

Résumé

Le test Z pour une proportion détermine si une proportion d'échantillon diffère d'une valeur hypothétisée en calculant z = (p̂ - p₀) / ES, où ES utilise la proportion de l'hypothèse nulle. Le test nécessite np₀ ≥ 10 et n(1-p₀) ≥ 10 pour une approximation normale valide ; sinon utilisez le test binomial exact. Rapportez la proportion d'échantillon, la valeur hypothétisée, la statistique z et la valeur p. Pour les petits échantillons ou les proportions extrêmes, le test binomial fournit des valeurs p exactes sans s'appuyer sur l'approximation normale.