Qu'est-ce que la fonction TEST.
TEST.KHIDEUX (CHITEST en anglais) te permet de déterminer si deux variables catégorielles sont indépendantes ou associées. Elle répond à des questions comme : « Le choix d'un produit dépend-il du genre du client ? », « La satisfaction est-elle liée à la catégorie d'âge ? », ou « Le taux de guérison diffère-t-il selon le traitement reçu ? ».
Que tu travailles en marketing pour segmenter ta communication, en RH pour analyser tes enquêtes de satisfaction, en recherche médicale pour valider l'efficacité d'un traitement, ou en e-commerce pour comparer tes taux de conversion par canal, TEST.KHIDEUX te donne une p-value qui tranche statistiquement la question. Elle retourne la probabilité d'observer les écarts constatés si les variables étaient réellement indépendantes.
Syntaxe
=TEST.KHIDEUX(plage_réelle; plage_attendue)Clique sur un argument pour aller à son explication.
TEST.KHIDEUX est conservée pour la compatibilité avec les classeurs anciens. Elle retourne directement la p-value unilatérale droite, sans paramètre cumulative. Les deux plages doivent avoir exactement les mêmes dimensions et contenir uniquement des fréquences absolues (comptages), jamais des pourcentages.
Comprendre chaque paramètre de la fonction TEST.KHIDEUX
plage_réelle
: ta plage de données contenant les fréquences observées : ton tableau de contingence réelCe tableau croise deux variables catégorielles, par exemple Genre (Homme/Femme) et Préférence (Produit A/Produit B). Chaque cellule contient le nombre d'observations pour cette combinaison de catégories.
Les données doivent être des comptages absolus (nombre de personnes, d'événements, etc.), pas des pourcentages ni des ratios.
plage_attendue
: ta plage de fréquences attendues, c'est-à-dire ce qu'on observerait si les variables étaient totalement indépendantes, tout en conservant les mêmes totaux de lignes et de colonnesElle doit avoir exactement les mêmes dimensions que plage_réelle.
Excel ne calcule pas automatiquement ces fréquences. Tu dois les calculer toi-même dans un tableau séparé avec la formule : (Total ligne × Total colonne) / Total général pour chaque cellule. C'est l'étape la plus importante pour utiliser correctement TEST.KHIDEUX.
Attention : Excel ne calcule pas automatiquement les fréquences attendues. Tu dois les préparer dans un tableau séparé avant d'appeler TEST.KHIDEUX. Un mauvais calcul des attendues invalide entièrement le test.
Exemples pratiques pas à pas
Comment tester l'indépendance de deux variables avec la fonction TEST.KHIDEUX
Tu es responsable marketing dans une entreprise de cosmétiques et tu viens d'interroger 100 hommes et 100 femmes sur leur préférence entre deux produits. Les deux groupes penchent visiblement dans des sens opposés, mais un échantillon de cette taille produit toujours un peu d'écart au hasard. TEST.KHIDEUX te dit si celui que tu observes est trop grand pour venir du hasard seul.
- 1Dans une cellule, écris
=TEST.KHIDEUX(. - 2En 1er argument : sélectionne le tableau des effectifs réellement observés,
B2:C3. Ce sont des comptages bruts, une personne par case, jamais des pourcentages, sinon le test perd tout son sens. - 3En 2ᵉ argument : sélectionne le tableau des fréquences attendues sous l'hypothèse d'indépendance,
B5:C6. Excel ne les calcule pas à ta place, tu les as posées à côté avec(total de la ligne × total de la colonne) / total général, ce qui donne(100 × 110) / 200, soit55pour les hommes face au produit A. - 4Ferme la parenthèse et appuie sur Entrée. Les deux plages doivent couvrir exactement les mêmes cases de données, sans la moindre ligne ni colonne de totaux, sous peine de fausser le résultat.
=TEST.KHIDEUX(B2:C3; B5:C6)45, 55, 65 et 35 observés aux 55, 45, 55 et 45 attendus, puis renvoie 0,0045. Ce nombre est une p-value, c'est-à-dire la probabilité d'observer un écart au moins aussi marqué si le genre et la préférence n'avaient réellement aucun lien. Moins de cinq chances sur mille, c'est trop peu pour continuer à défendre l'indépendance des deux variables, donc tu retiens que le genre pèse sur le choix du produit. La p-value ne te dit en revanche ni la force ni le sens de cette association : c'est en relisant le tableau que tu constates que les femmes penchent vers le produit A et les hommes vers le produit B.
Comment valider l'efficacité d'un traitement avec la fonction TEST.KHIDEUX
Tu es data analyst dans un centre de recherche médicale et tu dépouilles un essai clinique où 100 patients ont reçu un nouveau traitement et 100 autres un placebo. Le groupe traité guérit plus souvent, mais il te faut une preuve chiffrée avant d'écrire quoi que ce soit dans le rapport. Le calcul est identique à celui de l'exemple précédent, seule la lecture du résultat devient plus exigeante, car en recherche médicale on descend souvent le seuil de décision à 0,001.
- 1Dans une cellule, écris
=TEST.KHIDEUX(. - 2En 1er argument : sélectionne le tableau des effectifs observés
B2:C3, une ligne par groupe et une colonne par issue. Chaque patient n'y figure qu'une seule fois, ce qui garantit l'indépendance des observations exigée par le test. - 3En 2ᵉ argument : sélectionne le tableau des fréquences attendues sous l'hypothèse « le traitement ne change rien »,
B5:C6. Les130guérisons s'y répartissent au prorata entre les deux groupes de même taille,(100 × 130) / 200soit65de chaque côté et35non-guéris de chaque côté. - 4Ferme la parenthèse et appuie sur Entrée. L'ordre des deux plages n'est pas neutre, car le test divise les écarts par les effectifs attendus, si bien qu'inverser l'observé et l'attendu change le résultat.
=TEST.KHIDEUX(B2:C3; B5:C6)0,0001 une fois arrondie à quatre décimales, une p-value très inférieure au seuil exigeant de 0,001. Autrement dit, si le traitement n'avait aucun effet, il faudrait à peu près une étude sur dix mille pour voir un écart de guérison aussi net apparaître par pur hasard. Cette hypothèse ne tient plus, et l'écart entre les 78 % de guérison du groupe traité et les 52 % du groupe placebo se lit comme un effet réel. Note bien que ce sont ces deux taux, et non la p-value, qui mesurent l'ampleur du bénéfice : le test dit seulement que le lien existe.
Comment tester un tableau de trois lignes sur trois colonnes avec la fonction TEST.KHIDEUX
Tu es responsable RH et tu viens de dépouiller une enquête de satisfaction auprès de 220 salariés, répartis en trois tranches d'ancienneté et trois niveaux de satisfaction. Le tableau n'est plus un carré de quatre cases mais une grille de neuf, et TEST.KHIDEUX s'en accommode sans rien changer à sa syntaxe. Tu veux savoir si tes actions d'amélioration doivent viser une population précise ou tout le monde à la fois.
- 1Dans une cellule, écris
=TEST.KHIDEUX(. - 2En 1er argument : sélectionne les neuf effectifs observés
B2:D4, une grille de trois lignes sur trois colonnes. La fonction accepte n'importe quelle taille de tableau,2×2comme3×3, seule comptant l'égalité des dimensions entre les deux plages. - 3En 2ᵉ argument : sélectionne les neuf fréquences attendues
B6:D8, calculées avec la même règle(total ligne × total colonne) / total général. Pour les moins d'un an satisfaits, cela donne(55 × 115) / 220, soit28,75. Ces valeurs décimales sont normales et ne doivent surtout pas être arrondies à l'entier, sous peine de fausser le test. - 4Ferme la parenthèse et appuie sur Entrée, en veillant à ne sélectionner ni la ligne vide qui sépare les deux tableaux ni les totaux marginaux. Les deux plages couvrent exactement trois lignes sur trois colonnes chacune.
=TEST.KHIDEUX(B2:D4; B6:D8)0,4414, très au-dessus du seuil de 0,05. Cela signifie que si l'ancienneté et la satisfaction étaient parfaitement indépendantes, un écart aussi grand que le tien surviendrait quand même dans plus de quatre enquêtes sur dix : le hasard suffit largement à l'expliquer. Tu ne peux donc pas conclure à un lien entre les deux variables, et c'est bien tout ce que dit le test. Attention à ne pas sur-interpréter : une p-value élevée ne prouve pas l'absence de lien, elle constate seulement que tes 220 réponses ne suffisent pas à en établir un.
Comment comparer quatre canaux d'acquisition avec la fonction TEST.KHIDEUX
Tu es responsable e-commerce et tu compares quatre canaux d'acquisition sur 2 500 visiteurs. Les taux de conversion affichés diffèrent d'un canal à l'autre, mais avant de déplacer ton budget tu veux savoir si l'écart est solide ou s'il tient à quelques achats de plus ici ou là. Le tableau compte quatre lignes cette fois, et le test se lit en deux temps : il confirme d'abord qu'un lien existe, puis c'est à toi d'aller voir quels canaux le portent.
- 1Dans une cellule, écris
=TEST.KHIDEUX(. - 2En 1er argument : sélectionne le tableau observé
B2:C5, une ligne par canal et deux colonnes pour les visiteurs qui ont acheté et ceux qui sont repartis. Chaque ligne doit totaliser tout le trafic du canal, achats et non-achats confondus, sinon les totaux marginaux seront faux et les attendues avec. - 3En 2ᵉ argument : sélectionne le tableau des fréquences attendues
B7:C10. Le taux d'achat global vaut470 / 2 500, soit18,8 %, et l'hypothèse d'indépendance applique ce même taux à chaque canal, ce qui donne1 000 × 470 / 2 500soit188achats attendus pour le SEO contre94pour chacun des trois autres canaux à500visiteurs. - 4Ferme la parenthèse et appuie sur Entrée. Les deux plages font bien quatre lignes sur deux colonnes chacune, et la ligne vide de séparation reste hors de la sélection.
=TEST.KHIDEUX(B2:C5; B7:C10)0,0001, une p-value quasi nulle : sur 2 500 visiteurs, un écart de cette ampleur ne s'explique pas par les aléas du trafic, et le canal d'arrivée est bel et bien lié à la conversion. Reste à savoir quels canaux portent cette association, car la p-value ne le dit jamais. Tu ramènes donc chaque ligne à son taux, 15,6 % pour le SEO, 19,6 % pour la publicité, 25,4 % pour l'email et 17,8 % pour les réseaux sociaux, et tu vois d'un coup que l'email tire vers le haut pendant que le SEO tire vers le bas. C'est cette lecture, et non le test, qui te dit où remettre du budget.
Les erreurs fréquentes avec la fonction TEST.KHIDEUX
Fréquences attendues inférieures à 5
Le test du chi-carré n'est pas fiable quand une ou plusieurs cellules du tableau attendu ont une fréquence inférieure à 5. Le test peut donner une p-value incorrecte dans ce cas.
Solution : Regroupe des catégories pour augmenter les effectifs par cellule, ou augmente la taille de l'échantillon. Vérifie toutes tes fréquences attendues avec MIN(plage_attendue) : cette valeur doit être supérieure ou égale à 5.
Confusion entre fréquences et pourcentages
TEST.KHIDEUX nécessite des comptages absolus (effectifs bruts), pas des pourcentages. Si tes données sont en pourcentages, le test donnera des résultats complètement faux.
Solution : Utilise toujours les effectifs bruts (nombre de personnes, d'événements, etc.). Si tes données sont en pourcentages, multiplie chaque valeur par le total correspondant pour retrouver les effectifs.
Dimensions incompatibles entre les deux plages
plage_réelle et plage_attendue doivent avoir exactement les mêmes dimensions. Une erreur courante : inclure les totaux marginaux dans une plage mais pas dans l'autre.
Solution : Sélectionne uniquement les cellules de données, sans les lignes ou colonnes de totaux. Vérifie que tes deux plages ont le même nombre de lignes et de colonnes.
Interprétation causale abusive du résultat
Un chi-carré significatif prouve une association statistique entre les variables, mais ne prouve pas de relation causale. Si formation et performance sont associées, cela ne prouve pas que la formation cause l'amélioration.
Solution : Rappelle-toi que TEST.KHIDEUX détecte des corrélations, pas des causalités. Pour établir une causalité, il faut un protocole expérimental avec randomisation (comme un essai clinique contrôlé).
Mauvais calcul des fréquences attendues
Une erreur dans le calcul des fréquences attendues invalide entièrement le test. La formule correcte est (Total ligne × Total colonne) / Total général pour chaque cellule.
Solution : Vérifie que la somme des fréquences attendues par ligne est égale à la somme des fréquences observées pour cette ligne, et de même pour chaque colonne. Utilise des références mixtes ($D2*B$5)/$D$5 pour remplir automatiquement le tableau attendu.
Astuces avancées avec TEST.KHIDEUX
Calcule les fréquences attendues avec des références mixtes
Pour remplir rapidement tout le tableau des fréquences attendues, entre cette formule dans la première cellule du tableau attendu et étends-la : =($D2*B$5)/$D$5 où D2 est le total de la ligne, B5 le total de la colonne, et D5 le total général. Les signes $ verrouillent la bonne dimension selon l'extension.
Tu n'as à saisir la formule qu'une seule fois, puis à l'étirer sur toute la grille.
Identifie les cellules qui contribuent le plus à l'association
Une p-value significative te dit qu'il y a une association, mais pas quelles catégories la portent. Pour le savoir, calcule les résidus standardisés : =(Observé - Attendu) / RACINE(Attendu) pour chaque cellule.
Une valeur supérieure à 2 (en valeur absolue) identifie les combinaisons de catégories qui s'écartent le plus de l'indépendance. Ces cellules sont la source de ton association.
TEST.KHIDEUX vs TEST.STUDENT vs TEST.F vs TEST.Z
Ces quatre fonctions répondent à des questions statistiques très différentes selon le type de données et la question posée. Le choix du bon test dépend avant tout de la nature de tes variables.
| Critère | TEST.KHIDEUX | TEST.STUDENT | TEST.F | TEST.Z |
|---|---|---|---|---|
| Type de données | Catégorielles (effectifs) | Quantitatives continues | Quantitatives (variances) | Quantitatives (grands échantillons) |
| Question posée | Les variables sont-elles indépendantes ? | Les moyennes diffèrent-elles ? | Les variances diffèrent-elles ? | La moyenne diffère-t-elle de la référence ? |
| Entrée de la fonction | Observés + attendus | Deux plages de valeurs | Deux plages de valeurs | Plage + moyenne + écart type |
| Cas d'usage typique | Préférence, genre, catégorie, canal | Ventes A/B, scores avant/après | Homogénéité des variances (prérequis ANOVA) | Comparaison à un standard connu |
Questions fréquentes
Ces deux fonctions répondent à des questions totalement différentes. TEST.KHIDEUX compare des fréquences (données catégorielles) pour tester l'indépendance entre deux variables qualitatives. TEST.STUDENT compare des moyennes (données quantitatives continues). Utilise TEST.KHIDEUX pour des tableaux de contingence (oui/non, catégories, genres, canaux). Utilise TEST.STUDENT pour des mesures numériques continues (ventes, scores, notes).
Si la p-value est inférieure à 0,05, les deux variables sont statistiquement dépendantes : il y a une association significative. Si elle est supérieure ou égale à 0,05, tu ne peux pas rejeter l'hypothèse d'indépendance ; les données ne prouvent pas de relation significative. Plus la p-value est proche de zéro, plus l'association est forte et improbable par hasard. Le seuil de 0,05 est une convention standard ; en recherche médicale, on utilise parfois 0,01.
Les conditions principales sont : données catégorielles organisées en tableau de contingence, observations indépendantes, et toutes les fréquences attendues supérieures ou égales à 5. Si certaines fréquences attendues sont inférieures à 5, le test n'est pas fiable. Dans ce cas, regroupe des catégories pour augmenter les effectifs par cellule, ou utilise le test exact de Fisher pour les petits tableaux.
Excel ne calcule pas automatiquement les fréquences attendues. Tu dois les calculer avec la formule : Attendu = (Total ligne × Total colonne) / Total général pour chaque cellule.
Par exemple, si une ligne totalise 100, une colonne totalise 80, et le total général est 200, la fréquence attendue pour cette cellule est (100 × 80) / 200 = 40.
Absolument. TEST.KHIDEUX fonctionne avec des tableaux de n'importe quelle dimension (2×2, 3×4, 5×5, etc.). Il teste l'indépendance entre deux variables quel que soit le nombre de catégories de chacune. Plus le tableau est grand, plus il faut d'observations pour que toutes les fréquences attendues dépassent 5 et que le test soit valide.
Pour aller plus loin
Continue sur ta lancée après la fonction TEST.KHIDEUX : la leçon associée, un modèle prêt à l'emploi et le guide pour progresser.
Tout voir
