Calculateur de valeur critique (z*)

Qu'est-ce qu'une valeur critique Z ?

Une valeur critique z (z*) est le nombre d'écarts-types à partir de la moyenne qui correspond à un niveau de confiance ou niveau de signification spécifique. Pour une confiance de 95%, z* = 1,96 — ce qui signifie que 95% de la distribution normale standard tombe dans ±1,96 écarts-types.

Les valeurs critiques sont les seuils qui déterminent la signification statistique et les limites des intervalles de confiance.

Valeurs critiques Z courantes

Ces valeurs sont fondamentales pour l'inférence statistique et méritent d'être mémorisées.

Bilatéral vs unilatéral

Bilatéral

Utilisé lors du test pour toute différence (pourrait être positive ou négative) :

• 95% de confiance : 2,5% dans chaque queue
• z* = 1,96 (la valeur avec 2,5% au-dessus)

Exemple : « La moyenne est-elle différente de 100 ? »

Unilatéral

Utilisé lors du test dans une direction spécifique :

• 95% de confiance : 5% dans une queue
• z* = 1,645 (la valeur avec 5% au-dessus)

Exemple : « La moyenne est-elle supérieure à 100 ? »

Applications

Intervalles de confiance

La marge d'erreur utilise $z^*$ :

$MOE = z^* \times ES$

Pour IC 95% : $MOE = 1,96 \times ES$

Tests d'hypothèses

Comparez votre statistique de test à z* :

• Si |z| > z*, rejeter l'hypothèse nulle
• Si |z| < z*, ne pas rejeter

Contrôle qualité

Les cartes de contrôle fixent des limites à ±3σ (z* = 3), capturant 99,7% de la variation normale.

Planification de sondages

Les calculs de taille d'échantillon utilisent z* pour le niveau de confiance souhaité.

Trouver les valeurs Z à partir de la distribution normale

La distribution normale standard N(0,1) a :

• Moyenne = 0
• Écart-type = 1
• Aire totale = 1

Pour un niveau de confiance bilatéral de 95% :

1. Trouver α = 1 - 0,95 = 0,05
2. Diviser : α/2 = 0,025 dans chaque queue
3. Trouver z où P(Z > z) = 0,025
4. z* = 1,96

Le Calculateur de distribution normale peut trouver ces valeurs.

Développement historique

Les valeurs critiques ont émergé des travaux sur la distribution normale.

Carl Friedrich Gauss (1777-1855) a développé la distribution normale pour les erreurs de mesure. Son travail a établi les fondements mathématiques.

Ronald Fisher et Jerzy Neyman ont formalisé les tests d'hypothèses dans les années 1920-30, établissant le rôle des valeurs critiques dans la prise de décision.

Avant les ordinateurs, les statisticiens s'appuyaient sur des tables imprimées de valeurs critiques. La table z était un outil essentiel pour quiconque faisait du travail statistique.

Z* vs T*

Z (ce calculateur) :*

• Utiliser avec de grands échantillons (n ≥ 30)
• Utiliser quand σ de la population est connu (rare)
• Suppose une distribution normale

T (Calculateur de valeur critique t*) :*

• Utiliser avec de petits échantillons
• Utiliser quand σ de la population est inconnu
• Prend en compte l'incertitude supplémentaire de l'estimation de σ

Pour les grands échantillons, z* et t* sont presque identiques. Pour les petits échantillons, t* est plus grand (produisant des intervalles de confiance plus larges).

La règle empirique du 1,96

z* = 1,96 pour une confiance de 95% apparaît constamment :

• IC 95% ≈ estimation ± 2 × ES (en approximant 1,96 par 2)
• Cette règle « ±2 ES » donne des calculs mentaux rapides

Exemple : Moyenne = 50, ES = 3 IC 95% ≈ 50 ± 6 = (44, 56)

Au-delà des valeurs courantes

Pour les niveaux de confiance non standards :

Ce calculateur trouve z* pour n'importe quel niveau de confiance.

Relation avec les valeurs p

Les valeurs critiques et les valeurs p sont les deux faces de la même pièce :

Approche par valeur critique : Si |z| > 1,96, rejeter H₀ à α = 0,05

Approche par valeur p : Si p < 0,05, rejeter H₀

Elles donnent toujours la même conclusion.

Conventions de niveau de signification

α = 0,05 (95% de confiance) : La plus courante en sciences sociales. Devenue standard en partie grâce à l'influence de Fisher.

α = 0,01 (99% de confiance) : Plus conservateur. Courant dans certaines sciences physiques.

α = 0,10 (90% de confiance) : Moins conservateur. Parfois utilisé pour l'analyse préliminaire.

Ce sont des conventions, pas des lois de la nature. Choisissez α en fonction des coûts des erreurs de Type I vs Type II.

Comparaisons multiples

Lors de nombreuses comparaisons, ajustez z* :

Correction de Bonferroni : Utilisez α/m où m = nombre de comparaisons

Pour 5 comparaisons à une confiance globale de 95% :

• α ajusté = 0,05/5 = 0,01 par comparaison
• z* = 2,576 au lieu de 1,96

Cela contrôle le taux d'erreur global.

Calculs associés

• Calculateur de valeur critique (t*) — Pour les petits échantillons
• Calculateur de distribution normale — Probabilités et quantiles
• Intervalle de confiance pour la moyenne — Utilise z* pour les grands échantillons
• Intervalle de confiance pour une proportion — Utilise z*
• Calculateur de marge d'erreur — MOE = z* × ES

Résumé

Les valeurs critiques z sont les seuils de la distribution normale standard qui déterminent les limites des intervalles de confiance et les décisions des tests d'hypothèses. La plus importante est z* = 1,96 pour une confiance de 95% — ce qui signifie que 95% de la distribution normale tombe dans ±1,96 écarts-types. Pour les petits échantillons ou un écart-type de population inconnu, utilisez t* à la place. Comprendre les valeurs critiques est fondamental pour interpréter les intervalles de confiance et les tests statistiques.