Sélectionner les options de l'analyse pour Puissance et effectif de l'échantillon pour 1 variance

Sélectionnez l'hypothèse alternative ou indiquez le seuil de signification pour le test.

Hypothèse alternative

Dans Hypothèse alternative, sélectionnez l'hypothèse à tester :

• Inférieur: Utilisez ce test unilatéral pour déterminer si la variance ou l'écart type de la population est inférieur à la variance ou à l'écart type hypothétisé. Ce test unilatéral est plus puissant qu'un test bilatéral, mais il ne peut pas détecter si la variance ou l'écart type de la population est supérieur à la valeur hypothétisée.

  Par exemple, un analyste logistique utilise ce test unilatéral pour déterminer si l'écart type de poids d'expédition est inférieur à 8,8 kg. Ce test unilatéral est plus puissant pour déterminer si l'écart type est inférieur à 8,8, mais il ne peut pas détecter si l'écart type est supérieur à 8,8.

• Différent: Utilisez ce test bilatéral pour déterminer si l'écart type ou la variance de la proportion diffère de la variance ou de l'écart type hypothétisé. Ce test bilatéral peut détecter des différences inférieures ou supérieures à la valeur hypothétisée, mais il est moins puissant qu'un test unilatéral.

  Par exemple, un analyste qualité teste si la variance de volumes de remplissage diffère de la valeur cible de 2,5. Toute différence par rapport à la valeur cible étant importante, l'analyste teste si la différence est supérieure ou inférieure à la valeur cible.

• Supérieur: Utilisez ce test unilatéral pour déterminer si l'écart type ou la variance de la population est supérieur à la variance ou à l'écart type hypothétisé. Ce test unilatéral est plus puissant, mais il ne peut pas détecter si la variance ou l'écart type de la population est inférieur à la variance ou à l'écart type hypothétisé.

  Par exemple, un analyste utilise ce test unilatéral pour déterminer si l'écart type de diamètres de tuyaux est supérieur à 2 mm. Ce test unilatéral est plus puissant pour déterminer si la variance est supérieure à 2 mm, mais il ne peut pas déterminer si la variance est inférieure à 2 mm. 

Pour plus d'informations sur le choix d'une hypothèse alternative unilatérale ou bilatérale, reportez-vous à la rubrique A propos des hypothèses nulle et alternative.

Seuil de signification

Le seuil de signification permet de minimiser la valeur de puissance du test lorsque l'hypothèse nulle (H₀) est vraie. Des valeurs plus élevées du seuil de signification donnent au test davantage de puissance, mais augmentent également les chances de faire une erreur de type I, c'est-à-dire de rejeter à tort l'hypothèse nulle alors qu'elle est vraie.

En général, un seuil de signification (noté alpha ou α) de 0,05 fonctionne bien. Un seuil de signification de 0,05 implique un risque de 5 % de déterminer qu'une différence existe alors qu'il n'en existe aucune. Il indique également que la puissance du test est de 0,05 lorsqu'il n'existe aucune différence.

• Choisissez un seuil de signification plus important, tel que 0,10, pour vous assurer de détecter toutes les différences qui puissent exister. Par exemple, un ingénieur qualité compare la stabilité de nouveaux roulements à billes à celle des roulements existants. Il doit s'assurer que les nouveaux roulements à billes sont absolument stables car, si ce n'est pas le cas, ils pourraient provoquer une catastrophe. Par conséquent, l'ingénieur choisit un seuil de signification de 0,10 afin d'augmenter sa certitude de détection de toute différence possible dans la stabilité des roulements à billes.
• Choisissez un seuil de signification moins important, tel que 0,01, pour vous assurer de détecter uniquement une différence existant réellement. Par exemple, un scientifique travaillant pour une entreprise pharmaceutique doit être certain que l'affirmation selon laquelle le nouveau médicament de l'entreprise réduit significativement les symptômes est vraie. Il choisit un seuil de signification de 0,01 afin d'augmenter sa certitude qu'il n'existe aucune différence significative dans les symptômes.