Calculateur de valeur critique (t*)

Qu'est-ce qu'une valeur critique T ?

Une valeur critique t (t*) est le seuil de la distribution t utilisé pour les intervalles de confiance et les tests d'hypothèses lorsque l'écart-type de la population est inconnu. Contrairement aux valeurs critiques z, t* dépend à la fois du niveau de confiance et des degrés de liberté.

Pour un intervalle de confiance à 95% avec 10 degrés de liberté, t* = 2,228. Avec 30 degrés de liberté, t* = 2,042. À mesure que les degrés de liberté augmentent, t* s'approche de z* (1,96 pour 95%).

Pourquoi utiliser la distribution T ?

Lors de la construction d'intervalles de confiance ou de tests d'hypothèses, nous ne connaissons généralement pas l'écart-type de la population σ. Nous l'estimons en utilisant l'écart-type de l'échantillon s.

Cette estimation ajoute de l'incertitude. La distribution t prend en compte cette incertitude supplémentaire en ayant des queues plus épaisses que la distribution normale. Le résultat : des intervalles de confiance plus larges et des valeurs critiques plus élevées — reflétant de manière appropriée notre connaissance limitée.

Le rôle des degrés de liberté

Les degrés de liberté (dl) sont généralement égaux à n - 1 pour les problèmes à échantillon unique, où n est la taille de l'échantillon.

Plus petit dl → queues plus épaisses → t plus grand*

Avec dl = 5, la valeur critique à 95% est 31% plus grande que z* = 1,96. Avec dl = 30, elle n'est que 4% plus grande.

Valeurs critiques T courantes

Confiance 95% (bilatéral)

Confiance 99% (bilatéral)

Applications

Intervalle de confiance pour la moyenne

$IC = \bar{x} \pm t^* \times \frac{s}{\sqrt{n}}$

La valeur $t^*$ dépend de $dl = n - 1$ et du niveau de confiance.

Test t à un échantillon

$t = \frac{\bar{x} - \mu_0}{s/\sqrt{n}}$

Comparez |t| à t* avec dl = n - 1 pour déterminer la signification.

Test t à deux échantillons

Pour des échantillons indépendants :

• Poolé : dl = n₁ + n₂ - 2
• Welch : dl calculé par formule (souvent non entier)

Test t apparié

dl = n - 1, où n est le nombre de paires.

Régression

Pour tester les coefficients individuels, dl = n - k - 1, où k est le nombre de prédicteurs.

Bilatéral vs unilatéral

Bilatéral

Teste toute différence (positive ou négative) :

• 95% de confiance : 2,5% dans chaque queue
• t* est la valeur avec 2,5% de l'aire au-dessus

Unilatéral

Teste dans une direction spécifique :

• 95% de confiance : 5% dans une queue
• t* est la valeur avec 5% de l'aire au-dessus

Le t* unilatéral est plus petit que le t* bilatéral pour le même niveau de confiance.

Développement historique

William Sealy Gosset a développé la distribution t en 1908 alors qu'il travaillait à la brasserie Guinness à Dublin. Il avait besoin d'analyser de petits échantillons d'orge, où l'approximation normale était inadéquate.

Publiant sous le pseudonyme « Student » (d'où la « distribution t de Student »), Gosset a montré que les écarts-types d'échantillon suivent une distribution spécifique, conduisant à la distribution t pour l'inférence.

Ronald Fisher a ensuite affiné la théorie, introduisant les degrés de liberté et intégrant la distribution t dans son cadre plus large d'inférence statistique.

Avant le travail de Gosset, les intervalles de confiance et les tests nécessitaient de grands échantillons. Sa contribution a permis une inférence rigoureuse pour les petits échantillons — cruciale pour l'agriculture, la médecine et le contrôle qualité.

Quand utiliser T* vs Z*

Utilisez t quand :*

• L'écart-type de la population est inconnu (presque toujours)
• La taille de l'échantillon est petite (n < 30)

Utilisez z quand :*

• L'écart-type de la population est connu (rare)
• La taille de l'échantillon est très grande (n > 100) — t* ≈ z*
• Problèmes de proportion (distribution différente)

En pratique, t* est approprié pour la plupart des problèmes impliquant des moyennes. Le travail supplémentaire est minimal, et il n'est jamais faux d'utiliser t* même pour de grands échantillons.

Degrés de liberté pour différents tests

Degrés de liberté non entiers

Le test t de Welch produit des dl non entiers :

$dl = \frac{(s_1^2/n_1 + s_2^2/n_2)^2}{\frac{(s_1^2/n_1)^2}{n_1-1} + \frac{(s_2^2/n_2)^2}{n_2-1}}$

Ce calculateur gère les dl non entiers par interpolation ou calcul direct à partir de la distribution t.

T* et planification de la taille d'échantillon

Pour un intervalle de confiance avec largeur spécifiée :

$n \approx \left(\frac{t^* \times s}{E}\right)^2$

Où E est la marge d'erreur souhaitée.

Le piège : t* dépend de n (à travers dl). Solution : itérer ou utiliser z* pour l'estimation initiale.

Calculs associés

• Calculateur de valeur critique (z*) — Grand échantillon/σ connu
• Calculateur de distribution t — Probabilités complètes de la distribution t
• Intervalle de confiance pour la moyenne — Utilise t*
• IC pour la différence de moyennes — Utilise t*
• Calculateur d'erreur standard — Contexte du dénominateur

Résumé

Les valeurs critiques t sont les seuils de la distribution t de Student utilisés lorsque l'écart-type de la population est inconnu — ce qui est le cas dans presque toutes les applications réelles. Contrairement à z*, t* dépend des degrés de liberté : les échantillons plus petits donnent des valeurs t* plus grandes, produisant des intervalles de confiance appropriément plus larges. À mesure que la taille de l'échantillon augmente, t* s'approche de z*. Pour toute inférence impliquant des moyennes avec une variance de population inconnue, t* fournit la valeur critique correcte pour les intervalles de confiance et les tests d'hypothèses.