Quel test statistique choisir ?
Le choix part de la question, de l’estimand, du plan d’échantillonnage, du type de variable et des dépendances. Le nom du test n’est que la dernière étape.
Rédaction scientifique : Marketing Science Center
Réponse directe
Sélectionner une procédure cohérente et rapporter effet, intervalle et hypothèses.
Le choix part de la question, de l’estimand, du plan d’échantillonnage, du type de variable et des dépendances. Le nom du test n’est que la dernière étape.
01
Résumé opérationnel
Question scientifique et périmètre
Quel test statistique choisir ?
Recevable
Sélectionner une procédure cohérente et rapporter effet, intervalle et hypothèses.
Interdit
Automatiser le choix avec normalité oui/non et p < 0,05.
02
Trois niveaux de lecture
- 01
Décideur — Relier le résultat à une décision, un seuil utile et un coût d’erreur déclarés.
- 02
Praticien — Fixer population, unité, horizon, variables disponibles et règle d’analyse avant le calcul.
- 03
Analyste — Reproduire le calcul, quantifier l’incertitude et documenter diagnostics, échecs et sensibilités.
03
Situation marketing concrète
Le choix part de la question, de l’estimand, du plan d’échantillonnage, du type de variable et des dépendances. Le nom du test n’est que la dernière étape.
04
Question scientifique et périmètre
Quel test statistique choisir ?
Effet déclaré ou contraste distributionnel
Données nécessaires
unité d’échantillonnage × comparaison
La population, l’unité d’analyse, la date d’origine et l’horizon doivent être déclarés dans le livrable. Sans eux, l’estimand change silencieusement.
05
Pourquoi une analyse simple peut échouer
- Automatiser le choix avec normalité oui/non et p < 0,05.
- La cible est-elle une différence de moyennes entre unités d’échantillonnage indépendantes ?
- Le calcul de l’erreur standard reflète-t-il l’appariement, le groupement ou les mesures répétées lorsqu’ils existent ?
- L’ampleur de l’effet, l’intervalle et le seuil pratique sont-ils rapportés en plus de toute valeur p ?
06
Intuition de la méthode
La méthode ne transforme pas automatiquement une association en preuve. Elle relie une question déclarée à un estimand, une spécification, des données compatibles et une règle d’interprétation limitée.
Effet déclaré ou contraste distributionnel
07
Données nécessaires
Dictionnaire des symboles scientifiques
mean_A- Moyenne d’échantillon dans le groupe de comparaison indépendant A pour le résultat déclaré. Unité:
résultat· Type:nombre· Rôle:entrée mean_B- Moyenne d’échantillon dans le groupe de comparaison indépendant B pour le même résultat. Unité:
résultat· Type:nombre· Rôle:entrée sd_A- Écart-type d’échantillon dans le groupe A. Unité:
résultat· Type:nombre positif ou nul· Rôle:entrée sd_B- Écart-type d’échantillon dans le groupe B. Unité:
résultat· Type:nombre positif ou nul· Rôle:entrée n_A- Nombre d’unités d’échantillonnage indépendantes dans le groupe A. Unité:
unité d’échantillonnage· Type:entier supérieur ou égal à 2· Rôle:entrée n_B- Nombre d’unités d’échantillonnage indépendantes dans le groupe B. Unité:
unité d’échantillonnage· Type:entier supérieur ou égal à 2· Rôle:entrée difference- Contraste moyen déclaré, moyenne_A moins moyenne_B. Unité:
résultat· Type:nombre· Rôle:sortie SE- Erreur standard de Welch pour la différence de moyennes indépendantes. Unité:
résultat· Type:nombre positif ou nul· Rôle:dérivé Welch_df- Degrés de liberté effectifs de Welch–Satterthwaite calculés à partir des variances et tailles de groupes. Unité:
sans dimension· Type:nombre strictement positif· Rôle:dérivé t_critical- Quantile exact de Student au niveau de confiance déclaré et aux degrés de liberté de Welch calculés. Unité:
sans dimension· Type:nombre strictement positif· Rôle:dérivé CI- Intervalle de confiance de la différence moyenne déclarée selon la procédure de Welch. Unité:
résultat· Type:couple ordonné· Rôle:sortie
Entrées exactes et scellées du moteur
mean_a- Valeur:
12.4· Unité:résultat· Type:nombre· Statut des données:synthétique mean_b- Valeur:
10.0· Unité:résultat· Type:nombre· Statut des données:synthétique sd_a- Valeur:
4.0· Unité:résultat· Type:nombre· Statut des données:synthétique sd_b- Valeur:
5.0· Unité:résultat· Type:nombre· Statut des données:synthétique n_a- Valeur:
100· Unité:unité· Type:entier· Statut des données:synthétique n_b- Valeur:
120· Unité:unité· Type:entier· Statut des données:synthétique confidence_level- Valeur:
0.95· Unité:probabilité· Type:nombre· Statut des données:paramètre déclaré
08
Modèle formel
Modèle formel
mean_difference = mean_a − mean_b; standard_error = sqrt(sd_a^2/n_a + sd_b^2/n_b); welch_df = (sd_a^2/n_a + sd_b^2/n_b)^2 / ((sd_a^2/n_a)^2/(n_a−1) + (sd_b^2/n_b)^2/(n_b−1)); student_t_critical = t_quantile((1+confidence_level)/2, welch_df); CI = mean_difference ± student_t_critical×standard_errorAffirmations étayées: MSC-P039-C01 · MSC-P039-C02 · MSC-P039-C03 · MSC-P039-C04 · MSC-P039-C05 · MSC-P039-C06 · MSC-P039-C07 · MSC-P039-C08 · MSC-P039-C09 · MSC-P039-C10 · MSC-P039-C11
Question scientifique et périmètre
Effet déclaré ou contraste distributionnel
09
Calcul déclaré
- 01
Choisir l’estimand de différence de moyennes à partir de la question et vérifier l’indépendance des groupes, l’échelle commune du résultat et la finitude des résumés par groupe.
- 02
Calculer la différence moyenne, l’erreur standard de Welch, les degrés de liberté effectifs et la valeur critique exacte de Student.
- 03
Former l’intervalle et préciser que le choix du test découle de l’estimand et du plan d’échantillonnage, et non d’un arbre de décision binaire sur la normalité.
10
Exemple numérique ou cas d’application
Exemple d’application — données synthétiques ou paramètres déclarés ; aucune observation réelle
Entrées scellées
mean_a=12.4 [résultat]mean_b=10.0 [résultat]sd_a=4.0 [résultat]sd_b=5.0 [résultat]n_a=100 [unité]n_b=120 [unité]confidence_level=0.95 [probabilité]
Résultats reproductibles
difference=2.4Welch_df=217.657888exact_t_critical=1.970923CI95=[1.203838;3.596162]
Dossier vérifié : affirmations reliées à des sources au niveau du passage, calcul Python/R reproduit, limites explicites et revue scientifique indépendante achevée.
11
Hypothèses de validité
- La cible est-elle une différence de moyennes entre unités d’échantillonnage indépendantes ?
- Le calcul de l’erreur standard reflète-t-il l’appariement, le groupement ou les mesures répétées lorsqu’ils existent ?
- L’ampleur de l’effet, l’intervalle et le seuil pratique sont-ils rapportés en plus de toute valeur p ?
12
Diagnostics et incertitude
Diagnostics et incertitude
La cible est-elle une différence de moyennes entre unités d’échantillonnage indépendantes ? · Le calcul de l’erreur standard reflète-t-il l’appariement, le groupement ou les mesures répétées lorsqu’ils existent ? · L’ampleur de l’effet, l’intervalle et le seuil pratique sont-ils rapportés en plus de toute valeur p ?
Diagnostic borné
Quantile exact de Student ; le choix du test reste déterminé par l’estimand et le plan d’échantillonnage.
Contrat explicite d’incertitude · quantified
Méthode : Calcul déterministe du moteur de référence sur le sous-ensemble d’entrées scellé.
Cible : Incertitude d’échantillonnage de la différence de moyennes de Welch.
Preuve du moteur : metric.ci_lower= · metric.ci_upper= · metric.standard_error= · metric.welch_df= · metric.student_t_critical=
Interprétation : L’intervalle emploie le quantile exact de Student avec les degrés de liberté de Welch–Satterthwaite et reste conditionnel au plan d’échantillonnage.
Arrêter si
Automatiser le choix avec normalité oui/non et p < 0,05.
13
Interprétation du résultat
- Sélectionner une procédure cohérente et rapporter effet, intervalle et hypothèses.
- Le résultat est conditionnel à la population, à l’horizon, à la spécification et aux contrôles déclarés. Il ne doit pas être étendu à une autre décision sans nouvelle justification.
14
Conclusion recevable et conclusion interdite
Recevable
Sélectionner une procédure cohérente et rapporter effet, intervalle et hypothèses.
Interdit
Automatiser le choix avec normalité oui/non et p < 0,05.
15
Décision marketing possible
- 01
Sélectionner une procédure cohérente et rapporter effet, intervalle et hypothèses.
- 02
Le résultat est conditionnel à la population, à l’horizon, à la spécification et aux contrôles déclarés. Il ne doit pas être étendu à une autre décision sans nouvelle justification.
16
Quand utiliser — quand s’arrêter
Utiliser si
Sélectionner une procédure cohérente et rapporter effet, intervalle et hypothèses.
unité d’échantillonnage × comparaison
Arrêter si
Automatiser le choix avec normalité oui/non et p < 0,05.
Alternatives méthodologiques
- Employer une procédure appariée lorsque les observations sont appariées de manière pertinente ou répétées.
- Employer un modèle à variance robuste aux groupes ou un modèle hiérarchique lorsque les unités d’échantillonnage sont dépendantes.
- Employer Wilcoxon–Mann–Whitney uniquement lorsque l’interprétation de sa cible et ses hypothèses correspondent à la question ; ce n’est pas un substitut générique en cas de non-normalité.
17
Contrat de reproductibilité
Python et R servent de références exécutables. SPSS et SAS restent des syntaxes secondaires jusqu’à vérification sur les mêmes données, la même spécification et les mêmes contrôles.
Le moteur sélectionne uniquement le slice et la branche explicite de cette page. Son hash, ses sorties et ses diagnostics restent scellés dans le dossier atomique ; aucune branche générique de repli n’est autorisée.
Empreinte du slice: a137dce4dc57218239f306666cb4dcd260ef6eeeb0bfb044df8d1b02c23ea2ea
CSV · CC0
msc-validation-inputs-v1.csv ↓Python · MIT
msc-validation-reference-v1.py ↓R · MIT
msc-validation-reference-v1.R ↓SPSS / SAS · MIT · inspection uniquement
SPSS ↓SAS ↓Modèle formel
mean_difference = mean_a − mean_b; standard_error = sqrt(sd_a^2/n_a + sd_b^2/n_b); welch_df = (sd_a^2/n_a + sd_b^2/n_b)^2 / ((sd_a^2/n_a)^2/(n_a−1) + (sd_b^2/n_b)^2/(n_b−1)); student_t_critical = t_quantile((1+confidence_level)/2, welch_df); CI = mean_difference ± student_t_critical×standard_errorDossier vérifié : affirmations reliées à des sources au niveau du passage, calcul Python/R reproduit, limites explicites et revue scientifique indépendante achevée.
18
Livrable final attendu
- 01
Quel test statistique choisir ? —
unité d’échantillonnage × comparaison - 02
mean_A · mean_B · sd_A · sd_B · n_A · n_B · difference · SE · Welch_df · t_critical · CI
- 03
mean_difference = mean_a − mean_b; standard_error = sqrt(sd_a^2/n_a + sd_b^2/n_b); welch_df = (sd_a^2/n_a + sd_b^2/n_b)^2 / ((sd_a^2/n_a)^2/(n_a−1) + (sd_b^2/n_b)^2/(n_b−1)); student_t_critical = t_quantile((1+confidence_level)/2, welch_df); CI = mean_difference ± student_t_critical×standard_error - 04
La cible est-elle une différence de moyennes entre unités d’échantillonnage indépendantes ? · Le calcul de l’erreur standard reflète-t-il l’appariement, le groupement ou les mesures répétées lorsqu’ils existent ? · L’ampleur de l’effet, l’intervalle et le seuil pratique sont-ils rapportés en plus de toute valeur p ?
- 05
Sélectionner une procédure cohérente et rapporter effet, intervalle et hypothèses. / Automatiser le choix avec normalité oui/non et p < 0,05.
19
Sources scientifiques et statut de preuve
Dossier vérifié : affirmations reliées à des sources au niveau du passage, calcul Python/R reproduit, limites explicites et revue scientifique indépendante achevée.
MSC-P039-C01— Une valeur p s’interprète comme une compatibilité avec un modèle spécifié.MSC-P039-C02— Les décisions commerciales exigent davantage que le franchissement d’un seuil de valeur p.MSC-P039-C03— La significativité statistique ne quantifie pas l’ampleur de l’effet.MSC-P039-C04— Une valeur p n’est pas considérée comme une mesure complète de la preuve.MSC-P039-C05— Le choix du test commence par les hypothèses et l’interprétation cible.MSC-P039-C06— Aucun test n’est préférable indépendamment de l’hypothèse et des suppositions.MSC-P039-C07— Une valeur p hérite des hypothèses de la perspective choisie.MSC-P039-C08— Un intervalle de confiance compatible ajoute de l’information au-delà d’une valeur p.MSC-P039-C09— Welch établit une approximation des degrés de liberté effectifs.MSC-P039-C10— La statistique à deux échantillons emploie une loi de Student approximative.MSC-P039-C11— La branche exécutable met en œuvre la formule vérifiée des degrés de liberté effectifs.
Connexions méthodologiques