Qu'est-ce que la fonction T.
T.TEST te sert chaque fois qu'un écart entre deux moyennes te semble réel, mais que tu dois le prouver avant de trancher, plutôt que de te fier à ton impression. C'est la version moderne de TEST.STUDENT, disponible depuis Excel 2010, et elle t'aide à distinguer une vraie différence d'un simple accident d'échantillon.
Concrètement, elle répond à des questions comme : est-ce que la formation a vraiment amélioré la productivité de mes équipes ? La nouvelle version de ma page web performe-t-elle mieux que l'ancienne ? Les deux fournisseurs livrent-ils des composants de résistance équivalente ? Elle calcule une p-value qui te dit si la différence observée est statistiquement significative ou due au hasard.
Syntaxe
Clique sur un argument pour aller à son explication.
T.TEST retourne une p-value entre 0 et 1. Si cette valeur est inférieure à 0,05 (seuil standard à 95 % de confiance), les moyennes sont considérées comme significativement différentes. Pour la plupart des analyses, commence avec queues=2 et type=3 (test de Welch, le plus robuste).
Comprendre chaque paramètre de la fonction T.TEST
matrice1
: ta première série de données numériquesIl peut s'agir de mesures de productivité, de scores de satisfaction, de temps de réponse ou n'importe quelle série de valeurs que tu veux comparer à une autre.
Les cellules vides sont ignorées par T.TEST, mais les valeurs texte provoquent une erreur. Vérifie tes données au préalable avec MIN() et MAX() pour t'assurer que tout est numérique.
matrice2
: ta deuxième série de données, celle que tu veux comparer à la premièreLes deux séries n'ont pas besoin d'avoir le même nombre de valeurs si tu utilises type=2 ou type=3 (échantillons indépendants).
En revanche, si tu utilises type=1 (test apparié), les deux matrices doivent avoir obligatoirement le même nombre de valeurs, car chaque paire est comparée directement.
Attention : Pour le test apparié (type=1), les deux matrices doivent avoir exactement le même nombre de valeurs. Si les tailles diffèrent, T.TEST retourne une erreur #N/A.
queues
: ce paramètre définit si tu fais un test unilatéral (`queues=1`) ou bilatéral (`queues=2`). Le test bilatéral (`queues=2`) vérifie si les moyennes sont différentes, sans préciser le sens : c'est le choix le plus courant et le plus sûrLe test unilatéral (queues=1) vérifie si une moyenne est significativement supérieure ou inférieure à l'autre ; utilise-le uniquement si tu as une hypothèse directionnelle établie AVANT de voir les données.
Attention : Choisir queues=1 après avoir observé les résultats pour obtenir une p-value plus faible est une erreur méthodologique grave. Le choix unilatéral ou bilatéral doit être décidé avant l'analyse.
type
Ce paramètre définit la nature de tes données : type=1 pour des échantillons appariés (mêmes sujets mesurés avant/après), type=2 pour des échantillons indépendants avec variances supposées égales, type=3 pour des échantillons indépendants avec variances potentiellement différentes (test de Welch).
Si tu hésites entre type=2 et type=3, choisis toujours type=3 : il est plus robuste car il ne suppose pas l'égalité des variances, ce qui est rarement garanti en pratique.
Exemples pratiques pas à pas
Comment comparer un avant et un après avec la fonction T.TEST
La direction a payé une formation à toute l'équipe et te demande maintenant si elle a servi à quelque chose. Tu as noté la performance des 18 employés avant la formation puis après, les scores montent, mais tu ne peux pas te présenter en réunion avec un « ça a l'air mieux ». La fonction T.TEST compare les deux colonnes et te donne la probabilité qu'une progression pareille soit sortie du hasard.
- 1Dans une cellule, écris
=T.TEST(. - 2En 1er argument : sélectionne les notes relevées avant la formation,
B2:B19. Ce sont les dix-huit mesures de départ, celles auxquelles la fonction va comparer les scores obtenus ensuite. - 3En 2ᵉ argument : sélectionne les mêmes dix-huit personnes mesurées après la formation,
C2:C19. L'ordre des lignes compte, car Marie doit rester en ligne 2 des deux côtés, sinon les paires ne correspondent plus à rien. - 4En 3ᵉ argument : saisis la valeur qui demande un test bilatéral,
2. Tu cherches une différence sans présumer de son sens, en espérant une progression mais en laissant la fonction repérer aussi bien une hausse qu'une baisse. - 5En 4ᵉ argument : saisis la valeur du test apparié,
1. Ce ne sont pas deux groupes de personnes différentes mais le même employé mesuré deux fois, et chaque ligne forme une paire que la fonction compare directement. - 6Ferme la parenthèse et appuie sur Entrée.
=T.TEST(B2:B19; C2:C19; 2; 1)0,0000. Très loin sous le seuil de 0,05, ce résultat confirme que l'écart de 2,83 points entre les deux moyennes (13,22 avant, 16,06 après) est bien réel.
Comment comparer deux groupes indépendants avec la fonction T.TEST
Ta nouvelle page produit tourne depuis quelques jours et il faut trancher aujourd'hui : tu la gardes ou tu reviens en arrière. Tu as le panier moyen de chaque journée pour l'ancienne version et pour la nouvelle, lancée deux jours plus tard, et la nouvelle a l'air devant. La fonction T.TEST compare les deux séries de journées et te dit si cet écart tient debout ou s'il vient du bruit habituel de ton trafic.
- 1Dans une cellule, écris
=T.TEST(. - 2En 1er argument : sélectionne les huit paniers moyens de la version A,
B2:B9. C'est la série de référence, celle que tu compares à la nouvelle page. - 3En 2ᵉ argument : sélectionne les paniers de la version B,
C2:C9. Elle n'a tourné que six jours, mais la fonction ignore les deux cellules vides du haut et travaille bien sur six valeurs contre huit. - 4En 3ᵉ argument : saisis la valeur du test bilatéral,
2. Tu veux savoir si les paniers diffèrent, sans décréter d'avance laquelle des deux versions gagne. - 5En 4ᵉ argument : saisis la valeur du test de Welch,
3. Deux journées placées sur la même ligne ne forment pas une paire, puisque ce sont des visiteurs différents, et les deux séries n'ont ni la même taille ni forcément la même régularité. - 6Ferme la parenthèse et appuie sur Entrée.
=T.TEST(B2:B9; C2:C9; 2; 3)type=3 (le test de Welch) s'impose. Avec une p-value de 0,0007, très en dessous de 0,05, les 7,54 € d'écart entre les deux paniers moyens (40,63 € contre 48,17 €) ne s'expliquent pas par le hasard des huit et six journées observées.
Comment faire un test unilatéral avec la fonction T.TEST
L'atelier a investi dans un nouveau poste de préparation et on te demande de prouver qu'il fait gagner du temps avant d'en commander trois de plus. Tu as chronométré huit commandes sur l'ancien poste et huit autres sur le nouveau, et tu avais annoncé dès le départ que tu cherchais un gain, pas une différence dans n'importe quel sens. La fonction T.TEST sait justement ne regarder que d'un côté, ce qui rend le test plus sensible quand l'hypothèse est posée à l'avance.
- 1Dans une cellule, écris
=T.TEST(. - 2En 1er argument : sélectionne les huit temps chronométrés à l'ancien poste,
B2:B9. C'est la série que le nouveau poste doit battre. - 3En 2ᵉ argument : sélectionne les huit temps du nouveau poste,
C2:C9. Ce sont d'autres commandes, mesurées de leur côté, et les lignes se font face dans le tableau sans former aucune paire. - 4En 3ᵉ argument : saisis la valeur du test unilatéral,
1. Tu l'écris parce que ton hypothèse était posée avant les chronos, et pour cette seule raison, car basculer sur1après avoir vu une p-value bilatérale décevante n'est plus une analyse mais du bricolage. - 5En 4ᵉ argument : saisis la valeur du test de Welch,
3. Il ne suppose pas que les deux postes soient aussi réguliers l'un que l'autre. - 6Ferme la parenthèse et appuie sur Entrée.
=T.TEST(B2:B9; C2:C9; 1; 3)queues=1, la fonction ne regarde qu'un seul côté de la distribution et rend donc la moitié de la p-value bilatérale : 0,0010 au lieu de 0,0021. Le gain de 2,38 minutes par commande (15,63 minutes à l'ancien poste, 13,25 au nouveau) passait déjà largement le seuil de 0,05, et le test unilatéral n'a fait que le confirmer avec un peu plus de puissance.
Attention : Le choix entre queues=1 et queues=2 se décide avant de regarder les données. Un test unilatéral divise la p-value par deux, donc y passer après coup pour repasser sous 0,05 invalide ta conclusion. Sans hypothèse directionnelle établie à l'avance, reste sur queues=2.
Comment afficher un verdict automatique avec les fonctions T.TEST et SI
Chaque mois, tu dois dire en comité si l'équipe de nuit décroche vraiment sur la qualité, et personne autour de la table ne veut lire une p-value. Tu as le nombre de défauts par relevé pour l'équipe de jour et pour celle de nuit, et tu veux que le tableau affiche le verdict tout seul, en toutes lettres. En imbriquant la fonction T.TEST dans une fonction SI, tu compares la p-value au seuil de 0,05 et tu laisses Excel écrire la conclusion à ta place.
- 1Dans une cellule, écris
=SI(. - 2En 1er argument : écris la comparaison qui tranche,
T.TEST(B2:B13; C2:C13; 2; 3)<0,05. La fonction T.TEST mesure la p-value sur les douze relevés de chaque équipe, en test bilatéral et en test de Welch puisque les deux séries sont indépendantes, et le<0,05la confronte au seuil de 95 % de confiance pour renvoyer VRAI ou FAUX. - 3En 2ᵉ argument : écris le texte affiché quand la différence est prouvée,
"Différence significative". Les guillemets sont obligatoires pour qu'Excel traite ces mots comme du texte à afficher, et non comme un nom à chercher dans la feuille. - 4En 3ᵉ argument : écris la sortie affichée dans le cas contraire,
"Rien de concluant". Elle apparaît quand la p-value reste au-dessus de0,05, autrement dit quand tu n'as pas prouvé de différence, ce qui ne veut pas dire qu'il n'y en a aucune. - 5Ferme la parenthèse et appuie sur Entrée.
=SI(T.TEST(B2:B13; C2:C13; 2; 3)<0,05; "Différence significative"; "Rien de concluant")0,0552, puis la fonction SI la compare au seuil 0,05 et n'affiche que le verdict. Le seuil n'est pas franchi, de très peu, et la sortie « Rien de concluant » dit exactement ce qu'il faut : l'écart de 1,17 défaut par relevé (3,83 le jour, 5,00 la nuit) est peut-être réel, mais douze relevés par équipe ne suffisent pas à le prouver.
Les erreurs fréquentes avec la fonction T.TEST
Confusion entre test apparié (type=1) et test indépendant (type=3)
Utiliser type=1 pour comparer deux groupes différents est une erreur méthodologique. Le test apparié suppose que les données sont naturellement liées par paires (mêmes sujets, mêmes conditions). Appliqué à deux groupes distincts, il produit un résultat incorrect.
Solution : Utilise type=1 uniquement si tu mesures les mêmes sujets deux fois (avant/après, test/retest). Pour deux groupes de personnes différentes, utilise type=3 par défaut. Demande-toi : "est-ce que chaque valeur de matrice1 correspond à une valeur spécifique de matrice2 ?" Si non, c'est un test indépendant.
p-value inférieure à 0,05 interprétée comme "la différence est importante"
Une p-value inférieure à 0,05 signifie que la différence est statistiquement significative, pas qu'elle est importante en pratique. Avec un très grand échantillon, une différence infime peut être statistiquement significative mais sans intérêt réel.
Solution : Évalue toujours la taille de l'effet en plus de la p-value. Calcule la différence absolue entre les moyennes et demande-toi si elle est significative dans ton contexte métier. Une différence de 0,01% peut être statistiquement significative mais sans valeur pratique.
Tailles d'échantillons trop faibles pour des conclusions fiables
Le test t nécessite au minimum 3 valeurs par groupe pour fonctionner, mais avec aussi peu d'observations, les résultats manquent de puissance statistique. Une p-value supérieure à 0,05 ne prouve pas l'absence de différence : l'échantillon est peut-être trop petit pour la détecter.
Solution : Vise au moins 20 à 30 observations par groupe pour des résultats fiables. Si tu ne peux pas augmenter la taille d'échantillon, indique explicitement dans tes conclusions que les résultats sont préliminaires et sujets à confirmation.
Choix du test unilatéral après observation des données
Décider d'utiliser queues=1 après avoir vu que la p-value bilatérale est proche de 0,05, pour obtenir une p-value plus faible, est une pratique connue sous le nom de p-hacking. Elle invalide les conclusions statistiques.
Solution : Décide du type de test (unilatéral ou bilatéral) AVANT de regarder les données, en te basant sur ton hypothèse de départ. Si tu n'as pas d'hypothèse directionnelle préalable, utilise toujours queues=2.
T.TEST vs TEST.STUDENT vs TEST.F vs TEST.Z
T.TEST couvre la comparaison de deux moyennes pour de petits échantillons. TEST.F compare les variances, TEST.Z convient aux grands échantillons avec variance connue.
| Critère | T.TEST | TEST.STUDENT | TEST.F | TEST.Z |
|---|---|---|---|---|
| Disponibilité | Excel 2010+ | Toutes versions (ancienne syntaxe) | Toutes versions | Toutes versions |
| Ce qu'elle compare | Moyennes de deux groupes | Moyennes de deux groupes | Variances de deux groupes | Moyenne vs valeur de référence |
| Taille d'échantillon | Petits (<30) | Petits (<30) | Tout | Grands (>30) |
| Variance connue requise | Non | Non | Non (la compare) | Oui |
| Cas d'usage typique | A/B test, avant/après | Compatibilité anciens fichiers | Vérifier type=2 ou 3 pour T.TEST | Contrôle qualité industriel |
Questions fréquentes
T.TEST est la version moderne de TEST.STUDENT, disponible depuis Excel 2010. Les deux fonctions sont identiques en termes de calcul et de paramètres. Microsoft recommande d'utiliser T.TEST pour les nouveaux classeurs car TEST.STUDENT pourrait être supprimée dans une future version.
Le test unilatéral (queues=1) vérifie si une moyenne est significativement supérieure ou inférieure à l'autre. Le test bilatéral (queues=2) vérifie si les moyennes sont différentes, sans préciser le sens.
Utilise queues=2 quand tu cherches simplement une différence. Utilise queues=1 uniquement quand tu as une hypothèse directionnelle établie avant l'analyse.
Si la p-value est inférieure à 0,05 (seuil standard), rejette l'hypothèse nulle : les moyennes sont significativement différentes avec 95 % de confiance. Si la p-value est supérieure ou égale à 0,05, tu ne peux pas conclure à une différence significative. Plus la p-value est faible, plus la différence est statistiquement robuste.
Type 1 pour des échantillons appariés (mêmes sujets avant/après). Type 2 pour des échantillons indépendants avec variances supposées égales. Type 3 (test de Welch) pour des échantillons indépendants sans hypothèse sur les variances.
Si tu hésites, utilise toujours type=3 : c'est le plus robuste et il fonctionne même si les variances sont égales.
Oui, avec type=2 ou type=3 (échantillons indépendants). Les deux séries peuvent avoir des tailles différentes sans problème.
En revanche, le type=1 (test apparié) nécessite obligatoirement le même nombre de valeurs dans chaque matrice, car les données sont comparées par paires.
Pour aller plus loin
Continue sur ta lancée après la fonction T.TEST : la leçon associée, un modèle prêt à l'emploi et le guide pour progresser.
Tout voir
