Test Z : Définition, utilisation et exemple pratique en statistiques

Qu'est-ce qu'un test Z ?

Un test Z est un test statistique puissant utilisé pour déterminer si les moyennes de deux populations diffèrent significativement, lorsque les variances sont connues et la taille de l'échantillon est grande (généralement supérieure à 30).

La statistique de test suit une distribution normale standard. Les paramètres comme l'écart-type de la population doivent être connus pour une application précise.

Points clés à retenir

• Le test Z compare les moyennes de populations avec variances connues et échantillons volumineux.
• C'est un test d'hypothèse où la statistique Z obéit à une loi normale.
• Le score Z mesure le nombre d'écarts-types par rapport à la moyenne.
• Proche du test t, mais adapté aux grands échantillons ; le test t convient mieux aux petits échantillons.
• Le test Z suppose un écart-type connu, contrairement au test t.

Comprendre les tests Z

Le test Z est un test d'hypothèse paramétrique basé sur une distribution normale. Il est idéal pour les échantillons de plus de 30 observations, grâce au théorème central limite qui assure une approximation normale.

Pour mener un test Z, définissez les hypothèses nulle (H₀) et alternative (H₁), le niveau de signification α, calculez la statistique Z, puis interprétez les résultats. Le score Z indique la distance en écarts-types d'une valeur par rapport à la moyenne populationnelle.

Exemples : test de localisation à un ou deux échantillons, test apparié, estimation par maximum de vraisemblance. Contrairement au test t (pour petits échantillons et écart-type inconnu), le test Z requiert un écart-type connu. Si inconnu mais échantillon ≥30, on utilise la variance échantillonnale.

Exemple de test Z à un échantillon

Supposons qu'un investisseur teste si le rendement quotidien moyen d'une action dépasse 1 %. Un échantillon aléatoire de 50 rendements donne une moyenne de 2 %, avec un écart-type populationnel de 2,5 %. Hypothèse nulle H₀ : μ = 1 % (0,01).

Hypothèse alternative H₁ : μ > 1 %. Niveau α = 0,05 (test unilatéral droit, valeur critique ≈ 1,645 ; ou bilatéral ±1,96).

La statistique Z s'obtient par : Z = (moyenne observée - μ₀) / (σ / √n).

(0,02 - 0,01) ÷ (0,025 ÷ √50) = 2,83

Puisque Z = 2,83 > 1,96 (bilatéral) ou 1,645 (unilatéral), on rejette H₀. Conclusion : le rendement moyen dépasse 1 %.

Différence entre test T et test Z

Les tests Z conviennent aux grands échantillons (n ≥ 30) avec écart-type connu. Les tests t s'appliquent aux petits échantillons (n < 30) avec écart-type inconnu. Pour n ≥ 30 et σ inconnu, le test Z utilise l'approximation par variance échantillonnale.

Le théorème central limite (TCL)

Le TCL affirme que la distribution des moyennes d'échantillons converge vers une normale pour n ≥ 30, indépendamment de la distribution populationnelle. Cela justifie l'usage du test Z pour grands échantillons.

Qu'est-ce qu'un score Z ?

Le score Z mesure le nombre d'écarts-types séparant une valeur de la moyenne : Z = (x - μ) / σ. Z=0 : valeur moyenne ; Z>0 : au-dessus ; Z<0 : en-dessous. Outil essentiel pour standardiser et comparer des données.