Qu'est-ce que la fonction TEST.
TEST.STUDENT (T.TEST en anglais) te sert chaque fois qu'un écart entre deux moyennes te laisse hésiter entre un vrai effet et une simple variabilité d'échantillon. Elle transforme ce doute en un chiffre net, la p-value, sur lequel appuyer une décision plutôt qu'une impression.
C'est l'outil de référence quand tu veux prouver l'effet d'une formation sur la productivité, valider un test A/B, comparer deux groupes de patients ou vérifier que deux machines produisent de la même façon. TEST.STUDENT calcule automatiquement une p-value qui te dit si les différences observées sont robustes ou simplement dues au hasard.
Syntaxe
Clique sur un argument pour aller à son explication.
TEST.STUDENT est la version historique, conservée pour la compatibilité. Depuis Excel 2010, la fonction recommandée est T.TEST, qui a exactement la même syntaxe. Les deux donnent le même résultat.
Comprendre chaque paramètre de la fonction TEST.STUDENT
matrice1
: ta première série de données numériques : mesures de productivité, scores de satisfaction, temps de réponse..Bref, n'importe quelle série de valeurs que tu veux comparer à une autre.
Les cellules vides sont ignorées, mais les valeurs texte causent une erreur. Vérifie tes données au préalable avec MIN et MAX pour repérer les valeurs aberrantes.
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).
Pour le test apparié (type=1), les deux matrices doivent obligatoirement avoir la même taille car chaque paire est comparée directement.
Attention : Si tu utilises type=1 (test apparié), les deux matrices doivent obligatoirement avoir le même nombre de valeurs car chaque paire est comparée directement.
queues
: ce paramètre définit si tu fais un test unilatéral (`queues=1`) ou bilatéral (`queues=2`)Le test bilatéral vérifie si les moyennes sont différentes, quel que soit le sens. Le test unilatéral vérifie si une moyenne est spécifiquement supérieure (ou inférieure) à l'autre.
Choisis queues=2 quand tu cherches simplement à savoir si A et B sont différents. Choisis queues=1 uniquement si tu as une hypothèse directionnelle établie avant de voir les données.
Attention : Changer de queues=2 à queues=1 après avoir vu les résultats est une erreur méthodologique grave. Définis ton hypothèse directionnelle AVANT de faire le test.
type
Ce paramètre définit le type de test en fonction de la nature de tes données : 1 pour des échantillons appariés (mêmes sujets avant/après), 2 pour des échantillons indépendants avec variances égales, 3 pour des échantillons indépendants avec variances inégales (test de Welch).
Si tu compares deux groupes différents et que tu n'es pas sûr des variances, utilise type=3 : c'est le choix le plus robuste et il fonctionne dans la plupart des situations.
Exemples pratiques pas à pas
Comment comparer un avant et un après avec la fonction TEST.STUDENT
La direction a financé une formation pour toute l'équipe et te demande, chiffres à l'appui, si elle a servi à quelque chose. Tu as noté chaque employé avant puis après son passage en formation, les scores ont visiblement monté, mais une hausse de deux ou trois points peut très bien n'être qu'une fluctuation. La fonction TEST.STUDENT compare les deux séries et renvoie une p-value qui tranche entre un vrai progrès et un coup de chance.
- 1Dans une cellule, écris
=TEST.STUDENT(. - 2En 1er argument : sélectionne la première série à comparer, les scores relevés avant la formation
B2:B19. C'est ta référence, l'état des choses que tu cherches à remettre en question. - 3En 2ᵉ argument : sélectionne la seconde série, les scores relevés après la formation
C2:C19. Chaque ligne concerne le même employé dans les deux plages, ce qui pèsera sur le choix du dernier argument. - 4En 3ᵉ argument : saisis le nombre de côtés à tester,
2pour un test bilatéral qui demande si les deux moyennes diffèrent sans préjuger du sens. Tu espères une hausse, mais tu ne l'as pas posée en hypothèse avant de voir les données, donc2est le choix honnête. - 5En 4ᵉ argument : saisis la nature du test,
1pour l'apparié, puisqueMarieavant etMarieaprès forment une paire. La fonction travaille alors sur les écarts individuels au lieu de comparer deux moyennes anonymes, ce qui la rend bien plus sensible. - 6Ferme la parenthèse et appuie sur Entrée. La p-value sort dans la cellule et tranche entre un vrai progrès et un simple coup de chance.
=TEST.STUDENT(B2:B19; C2:C19; 2; 1)0,0000 alors que la valeur réelle avoisine 0,0000000000000002. On est très loin sous le seuil de 0,05, le gain est donc réel et pas une impression.
Comment comparer deux groupes indépendants avec la fonction TEST.STUDENT
Ton fournisseur historique livre en une semaine environ, et un concurrent promet de faire mieux. Tu l'as testé sur cinq commandes seulement, contre huit pour l'ancien, et sur le papier la moyenne penche en sa faveur. Avant de basculer tout ton approvisionnement sur la foi d'une poignée de livraisons, tu veux savoir si l'écart résiste à l'analyse. La fonction TEST.STUDENT compare les deux séries même quand elles n'ont pas le même nombre de valeurs.
- 1Dans une cellule, écris
=TEST.STUDENT(. - 2En 1er argument : sélectionne la première série, les huit délais du fournisseur A
B2:B9. Rien ne t'oblige à ce que les deux plages fassent la même longueur pour ce type de comparaison, contrairement au test apparié. - 3En 2ᵉ argument : sélectionne la seconde série, les cinq délais du fournisseur B
C2:C6. Tu arrêtes la plage à la ligne6parce que c'est là que s'arrêtent les données, ces commandes n'ayant aucune correspondance avec celles du fournisseur A. - 4En 3ᵉ argument : saisis le nombre de côtés à tester,
2pour un test bilatéral, car le nouveau fournisseur pourrait tout aussi bien se révéler plus lent une fois les commandes accumulées. - 5En 4ᵉ argument : saisis la nature du test,
3pour le test de Welch, les deux fournisseurs formant des groupes indépendants dont rien ne garantit que les délais se dispersent pareillement. - 6Ferme la parenthèse et appuie sur Entrée. Si tu avais vérifié l'égalité des variances au préalable,
2conviendrait aussi, mais3reste valable dans les deux cas.
=TEST.STUDENT(B2:B9; C2:C6; 2; 3)5,75 jours contre 3,8) en tenant compte de la dispersion et de la taille de chaque groupe, avec plus de sévérité du côté du plus petit échantillon. Avec une p-value de 0,0069, bien sous 0,05, l'avance du fournisseur B tient debout malgré ses cinq commandes seulement.
Comment faire un test unilatéral avec la fonction TEST.STUDENT
Avant de déployer un nouveau script d'appel sur tout le plateau, tu l'as fait tester deux semaines par six conseillers pendant que six autres gardaient l'ancien. Tu as posé ton hypothèse dès le départ et noir sur blanc : le nouveau script doit faire monter le nombre d'appels traités, pas le baisser. Comme le sens du résultat était fixé avant que tu voies le moindre chiffre, la fonction TEST.STUDENT peut travailler en unilatéral et concentrer toute sa puissance dans cette seule direction.
- 1Dans une cellule, écris
=TEST.STUDENT(. - 2En 1er argument : sélectionne le groupe témoin resté sur le script actuel
B2:B7. C'est ta référence, la barre que le nouveau script doit dépasser. - 3En 2ᵉ argument : sélectionne le groupe passé au nouveau script
D2:D7. Ce sont d'autres personnes que celles de la première série, et deux noms alignés sur une même ligne n'ont aucun lien entre eux. - 4En 3ᵉ argument : saisis le nombre de côtés à tester,
1pour un test unilatéral. Il ne demande plus « les deux groupes sont-ils différents ? » mais « le nouveau script fait-il mieux ? », un choix légitime seulement parce que tu as posé cette hypothèse avant de collecter les données. - 5En 4ᵉ argument : saisis la nature du test,
2pour des variances supposées égales, les deux groupes faisant le même métier sur le même plateau avec des appels qui se dispersent de la même façon (20à25d'un côté,24à29de l'autre). - 6Ferme la parenthèse et appuie sur Entrée. Dans le doute sur l'égalité des variances,
3resterait le repli sans risque.
=TEST.STUDENT(B2:B7; D2:D7; 1; 2)0,0020 au lieu de 0,0041). C'est tout l'intérêt du test unilatéral, puisqu'à données égales il détecte plus facilement un effet. C'est aussi tout son danger, puisqu'il te fait conclure plus vite.
Comment afficher un verdict automatique avec les fonctions TEST.STUDENT et SI
Ton test A/B tourne depuis dix jours et la question revient à chaque point d'équipe : alors, on garde laquelle ? Tu as le taux de conversion quotidien des deux versions de la page et tu sais lire une p-value, mais tes interlocuteurs, eux, attendent une réponse en français. En glissant la fonction TEST.STUDENT dans une fonction SI, tu transformes la probabilité en verdict écrit, qui se met à jour tout seul à chaque nouvelle journée de données.
- 1Dans une cellule, écris
=SI(. - 2En 1er argument : écris la comparaison qui tranche,
TEST.STUDENT(B2:B11; C2:C11; 2; 3)<0,05. La fonction TEST.STUDENT sort d'abord la p-value en confrontant les dix taux de la version A à ceux de la version B, puis le<0,05la transforme en vrai ou faux selon qu'elle passe ou non sous le seuil. - 3En 2ᵉ argument : saisis le texte à afficher quand le test est vrai,
"Version B validée". Les guillemets sont obligatoires pour qu'Excel écrive ce libellé tel quel au lieu d'y chercher un nom de plage. - 4En 3ᵉ argument : saisis le texte à afficher sinon,
"Résultat non concluant". C'est cette sortie qui reste tant que la p-value ne descend pas sous le seuil. - 5Ferme la parenthèse et appuie sur Entrée. La cellule affiche directement le verdict, et plus personne n'a besoin de lire un nombre à quatre décimales pour trancher.
=SI(TEST.STUDENT(B2:B11; C2:C11; 2; 3)<0,05; "Version B validée"; "Résultat non concluant")0,00002, que la fonction SI compare aussitôt au seuil de 0,05 sans jamais l'afficher. Le test est vrai, donc c'est la sortie du vrai qui s'écrit dans la cellule. La version B gagne 0,61 point de conversion en moyenne (3,10 % contre 2,49 %), un écart bien trop net pour venir du hasard.
Comment corriger l'erreur #N/A de la fonction TEST.STUDENT
Tu relances le suivi de la formation sur une nouvelle promotion de huit personnes, et cette fois Excel refuse de répondre : la cellule affiche l'erreur #N/A au lieu d'une p-value. Pourtant rien ne cloche dans tes données, qui sont toutes numériques et bien remplies. Le problème vient de la sélection, car ta deuxième plage s'arrête une ligne trop tôt : avec un test apparié, la fonction TEST.STUDENT exige exactement le même nombre de cellules des deux côtés.
- 1Dans une cellule, écris
=TEST.STUDENT(. - 2En 1er argument : sélectionne les huit scores d'avant
B2:B9. Cette première plage était déjà correcte dans la formule fautive, tu n'y touches pas. - 3En 2ᵉ argument : sélectionne les huit scores d'après, un par employé
C2:C9. C'est ici que se cachait l'erreur#N/A, car la sélection à la souris s'était arrêtée une ligne trop haut surC2:C8, laissant sept valeurs face à huit. - 4En 3ᵉ argument : saisis le nombre de côtés à tester,
2, puisque tu regardes si la formation change les scores sans présumer du sens. Cet argument n'a joué aucun rôle dans l'erreur. - 5En 4ᵉ argument : saisis la nature du test,
1pour l'apparié, chaque employé étant mesuré deux fois. C'est précisément ce1qui rend l'égalité des tailles obligatoire, là où2ou3accepteraient deux plages de longueurs différentes sans broncher. - 6Ferme la parenthèse et appuie sur Entrée. Les deux plages couvrent maintenant huit lignes chacune, la fonction retrouve ses huit paires et sort enfin la p-value.
=TEST.STUDENT(B2:B9; C2:C9; 2; 1)0,0306. Le test apparié refusait de deviner : face à huit valeurs d'un côté et sept de l'autre, il ne pouvait pas savoir quel employé sacrifier, donc il renvoyait l'erreur #N/A plutôt qu'un résultat faux. Sous 0,05, la formation reste concluante malgré deux scores en recul.
Les erreurs fréquentes avec la fonction TEST.STUDENT
Confondre tests appariés et indépendants
Utiliser type=1 pour comparer deux groupes différents (par exemple, groupe A vs groupe B) au lieu de mesures répétées sur les mêmes sujets. Le résultat est statistiquement incorrect.
Solution : Utilise type=1 UNIQUEMENT si les données sont naturellement liées (mêmes sujets mesurés avant/après, mesures répétées). Pour deux groupes différents, utilise type=2 ou type=3.
Interpréter la p-value comme une mesure d'importance pratique
Une p-value inférieure à 0,05 signifie que la différence est statistiquement significative, mais pas forcément importante en pratique. Avec de très grands échantillons, une différence minuscule peut donner une p-value très faible.
Solution : Évalue toujours l'ampleur de l'effet (effect size) en plus de la p-value. Une différence de 0,1 mm entre deux machines peut être statistiquement significative sans aucun impact réel sur la qualité.
Choisir queues=1 après avoir vu les résultats
Passer à un test unilatéral après avoir observé la direction de la différence dans les données revient à adapter l'hypothèse aux résultats, ce qui invalide toute la démarche statistique.
Solution : Définis ton hypothèse directionnelle (A supérieur à B) AVANT de collecter ou d'analyser les données. Si tu hésites, utilise toujours queues=2.
Tailles d'échantillons insuffisantes
Le test t nécessite au minimum 3 valeurs par groupe, mais en pratique des résultats peu robustes apparaissent avec moins de 10 observations. La p-value peut varier fortement d'un échantillon à l'autre.
Solution : Utilise au moins 20 à 30 observations par groupe pour des résultats fiables. Avec de petits échantillons, interprète les résultats avec prudence.
Données texte ou non numériques dans les matrices
TEST.STUDENT nécessite des données numériques. Les valeurs texte dans les matrices renvoient une erreur #VALEUR!, même si une seule cellule est concernée.
Solution : Vérifie tes données avant le test avec MIN et MAX : si l'une d'elles renvoie une erreur, tu as au moins une valeur non numérique à corriger dans la plage.
TEST.STUDENT vs TEST.F vs TEST.Z
TEST.STUDENT compare des moyennes sur de petits échantillons. TEST.F compare des variances (utile pour vérifier si type=2 est valide avant TEST.STUDENT). TEST.Z est réservé aux grands échantillons (n supérieur à 30) dont la variance est connue.
| Critère | TEST.STUDENT | TEST.F | TEST.Z |
|---|---|---|---|
| Ce qu'il teste | Différence de moyennes | Différence de variances | Différence de moyennes (grand n) |
| Taille des échantillons | Petits et moyens (n < 30) | Toutes tailles | Grands (n > 30) |
| Hypothèses requises | Distribution normale approximative | Distributions normales | Variance connue, distribution normale |
| Cas d'usage typique | Avant/après formation, test A/B, essai clinique | Vérifier l'égalité des variances avant TEST.STUDENT type=2 | Sondages, contrôle qualité industriel |
Questions fréquentes
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, 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. Si elle 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. Le seuil de 0,05 est une convention, pas une vérité absolue.
Type 1 : échantillons appariés (mêmes sujets avant/après). Type 2 : variances égales supposées (échantillons indépendants homogènes). Type 3 : variances inégales, test de Welch, le plus robuste pour les échantillons indépendants. Si tu hésites, utilise type=3 : il est valide dans presque tous les cas.
Oui, avec type=2 ou type=3 (échantillons indépendants). Les échantillons peuvent avoir des tailles différentes. En revanche, 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 TEST.STUDENT : la leçon associée, un modèle prêt à l'emploi et le guide pour progresser.
Tout voir
