Observations relatives aux données pour la fonction Test t à 1 échantillon

Si vous connaissez l'écart type de la population, utilisez la commande Test Z à 1 échantillon, car le test Z est plus puissant que le test t.

Chaque paire de valeurs de données continues comprend un nombre infini de valeurs.

Si les données contiennent des dénombrements (par exemple, le nombre de défauts par unité) utilisez Test de Poisson à 1 échantillon. Si vos données classent chaque observation selon deux catégories, comme Echec/Réussite, utilisez Test à 1 proportion. Pour plus d'informations sur les types de données, reportez-vous à la rubrique Types de données que vous pouvez analyser avec un test d'hypothèse.

Si l'effectif de l'échantillon est supérieur à 20 et que la loi sous-jacente est unimodale et continue, le test d'hypothèse donne des résultats corrects, même si les données sont légèrement asymétriques. Si l'effectif de l'échantillon est inférieur à 20, vous devez générer un graphique des données pour vérifier la présence d'une asymétrie ou d'observations aberrantes. Si les données sont très asymétriques ou comportent de nombreuses observations aberrantes, soyez vigilant lorsque vous interprétez les résultats.

Dans le domaine des statistiques, les échantillons aléatoires permettent de faire des généralisations ou des déductions sur une population. Si les données ne sont pas collectées de manière aléatoire, les résultats risquent de ne pas être représentatifs de la population. Pour plus d'informations, reportez-vous à la rubrique Caractère aléatoire des échantillons de données.

Si vous disposez de données appariées ou dépendantes, telles que des mesures de position réalisées avec deux compas différents, utilisez plutôt Test t pour données appariées. Pour plus d'informations, reportez-vous à la rubrique Quelle est la différence entre des échantillons dépendants et indépendants ?.