Calculateur d'écart-type groupé
Calculez l'écart-type groupé de deux échantillons indépendants
Saisissez les tailles d'échantillon, les moyennes et les écarts-types de deux groupes pour calculer l'écart-type groupé, la statistique t et le d de Cohen.
Calculateur d'écart-type groupé
Calculez l'écart-type groupé de deux échantillons indépendants
Échantillon 1
Échantillon 2
À propos du calculateur d'écart-type groupé
L'écart-type groupé est une moyenne pondérée des écarts-types de deux échantillons indépendants (ou plus), utilisée pour comparer des groupes qui partagent la même variance de population sous-jacente. C'est un élément central du test t pour échantillons indépendants et de nombreux autres procédés de statistique inférentielle.
La formule de l'écart-type groupé est : sp = √[((n₁−1)s₁² + (n₂−1)s₂²) / (n₁+n₂−2)], où n₁ et n₂ sont les tailles d'échantillon, et s₁ et s₂ les écarts-types des échantillons. Le dénominateur n₁+n₂−2 représente le total des degrés de liberté pour la comparaison à deux échantillons.
L'écart-type groupé suppose l'homogénéité des variances, c'est-à-dire que les deux échantillons proviennent de populations ayant la même variance. Cette hypothèse doit être vérifiée (par exemple avec le test de Levene ou le test de Bartlett) avant d'utiliser l'estimation groupée. Lorsque les variances sont inégales, le test t de Welch est préférable, car il ne regroupe pas les variances.
En plus de l'ET groupé, ce calculateur fournit la variance groupée (sp²), le total des degrés de liberté, la statistique t à deux échantillons et le d de Cohen comme taille d'effet standardisée. Cohen's d = (mean₁ − mean₂) / sp quantifie l'importance pratique de la différence de moyennes en unités de l'écart-type groupé.
Repères pour le d de Cohen : des valeurs autour de 0.2 sont considérées comme de petits effets, 0.5 comme des effets moyens, et 0.8 ou plus comme de grands effets. Ces seuils guident l'interprétation en psychologie, médecine, éducation et sciences sociales.
L'écart-type groupé sert aussi au calcul des intervalles de confiance pour la différence de deux moyennes, aux méta-analyses pour combiner les tailles d'effet entre études, et au contrôle qualité lors de l'agrégation d'estimations de variabilité entre lots de production.
Les applications pratiques incluent les essais cliniques (comparaison traitement vs contrôle), les tests A/B en analyse produit (comparaison de taux de conversion), la recherche en éducation (comparaison de la variabilité des scores entre classes) et le contrôle qualité industriel (fusion d'estimations de taux de défauts issues de plusieurs lignes de production).
À retenir : l'écart-type groupé est une estimation plus précise de l'écart-type commun de la population que l'écart-type de l'un ou l'autre échantillon pris isolément, car il exploite simultanément l'information des deux groupes.
Exemples
Ces exemples montrent comment l'écart-type groupé est calculé dans différents scénarios à deux échantillons.
| Entrées | ET groupé | Contexte |
|---|---|---|
| n₁=10, x̄₁=50, s₁=2; n₂=15, x̄₂=55, s₂=3 | sp ≈ 2.669 | Tailles d'échantillon inégales, moyennes différentes |
| n₁=20, x̄₁=30, s₁=4; n₂=20, x̄₂=35, s₂=4 | sp = 4.000 | Tailles et ET égaux, moyenne simple |
| n₁=30, x̄₁=100, s₁=10; n₂=30, x̄₂=105, s₂=12 | sp ≈ 11.045 | Échantillons plus grands, ET similaires |
| n₁=5, x̄₁=8, s₁=1.5; n₂=8, x̄₂=10, s₂=2 | sp ≈ 1.824 | Petits échantillons, poids orienté vers le groupe le plus grand |
Comment utiliser ce calculateur
- Saisissez la taille d'échantillon (n₁), la moyenne (x̄₁) et l'écart-type (s₁) du premier groupe.
- Saisissez les valeurs correspondantes (n₂, x̄₂, s₂) du second groupe. Les tailles d'échantillon doivent être d'au moins 2.
- Cliquez sur « Calculer » pour obtenir l'écart-type groupé, la variance groupée, les degrés de liberté, la statistique t et le d de Cohen.
- Interprétez l'ET groupé comme la meilleure estimation de l'écart-type commun de la population sous l'hypothèse de variances égales.
- Utilisez la statistique t et les degrés de liberté avec une table de la loi t pour déterminer la significativité statistique, ou consultez le d de Cohen pour la taille d'effet.
Questions fréquentes
Qu'est-ce que l'écart-type groupé ?
L'écart-type groupé (sp) combine les estimations de variance de deux échantillons indépendants en une seule estimation plus précise. C'est une moyenne pondérée des deux variances d'échantillon, pondérée par leurs degrés de liberté. Il suppose que les deux populations partagent la même variance sous-jacente.
Quand dois-je utiliser l'écart-type groupé ?
Utilisez l'écart-type groupé lorsque vous supposez l'homogénéité des variances entre deux groupes, par exemple dans un test t classique à deux échantillons. Si un test préliminaire (Levene, Bartlett) suggère que les variances diffèrent significativement, utilisez plutôt le test t de Welch, qui n'exige pas l'égalité des variances.
Qu'est-ce que le d de Cohen et comment l'interpréter ?
Le d de Cohen est une taille d'effet standardisée qui exprime la différence de moyennes en unités de l'écart-type groupé. Des valeurs d'environ 0.2, 0.5 et 0.8 sont conventionnellement décrites comme de petits, moyens et grands effets, respectivement. Un d de Cohen élevé indique que les deux groupes sont bien séparés relativement à leur variabilité combinée.
Pourquoi la formule divise-t-elle par n₁+n₂−2 ?
Le dénominateur n₁+n₂−2 représente le total des degrés de liberté consommés par l'estimation des deux moyennes d'échantillon. Utiliser les degrés de liberté (plutôt que n₁+n₂) produit une estimation sans biais de la variance de population. Chaque échantillon contribue nᵢ−1 degrés de liberté à l'estimation groupée.
Puis-je utiliser l'écart-type groupé pour plus de deux groupes ?
Oui. L'écart-type groupé peut être étendu à k groupes avec la formule sp = √[Σ(nᵢ−1)sᵢ² / Σ(nᵢ−1)]. Cette généralisation est utilisée en ANOVA, où un seul écart-type intragroupe groupé (racine du carré moyen de l'erreur) sert d'estimation de la variance commune.
Comment la taille d'échantillon influence-t-elle l'écart-type groupé ?
Les échantillons plus grands ont plus de poids dans l'estimation groupée. Si n₁ >> n₂, l'ET groupé est dominé par la variance du premier échantillon. Cela reflète le principe selon lequel davantage de données fournissent une estimation de variance plus fiable. Cela signifie aussi que les valeurs aberrantes ou les violations de l'hypothèse de variances égales ont un impact plus important lorsqu'un échantillon est beaucoup plus grand.