Qu'est-ce que la fonction TEST.Z ?
TEST.Z (Z.TEST en anglais) te sert quand un écart entre ta mesure et la norme attendue est trop faible pour trancher à l'œil nu, et que tu dois savoir s'il traduit une vraie dérive ou seulement le bruit habituel du hasard. Elle transforme cette hésitation en un chiffre net, la p-value, sur lequel tu peux baser une décision.
C'est l'outil des pros du contrôle qualité, de la validation pharmaceutique et de l'audit : comparer la production du jour à une cible nominale, vérifier qu'un lot de médicaments respecte le dosage prescrit, détecter des écarts de caisse anormaux. Là où l'oeil humain voit juste un chiffre légèrement différent, TEST.Z te dit si la différence est réelle ou simplement due au hasard.
Syntaxe
=TEST.Z(matrice; µ; [sigma])TEST.Z retourne une p-value unilatérale. Pour un test bilatéral (différence dans les deux sens), multiplie le résultat par 2 : =2*MIN(TEST.Z(A1:A50; µ; sigma); 1-TEST.Z(A1:A50; µ; sigma)).
Comprendre chaque paramètre de la fonction TEST.Z
TEST.Z attend tes arguments dans un ordre fixe : d'abord ta plage de mesures, ensuite la norme µ à laquelle tu les confrontes, et enfin sigma. Seul ce dernier est entre crochets, donc facultatif : si tu l'omets, Excel se rabat sur l'écart-type de ton échantillon au lieu de celui de la population, ce qui transforme ton test Z en simple approximation.
matrice
: ta plage de données d'échantillon à tester : mesures de qualité, dosages, poids de pièces, scores d'élèves..N'importe quelle série de valeurs numériques que tu veux comparer à une norme établie.
Excel ignore automatiquement les cellules vides ou contenant du texte, mais une plage trop incomplète peut fausser ton interprétation. Vérifie que tes données sont propres avant de lancer le test.
µ
: la moyenne de référence ou valeur hypothétique à laquelle tu veux comparer ton échantillonC'est ta norme, ton objectif, ta spécification cible. Si tes pièces doivent peser 500 g, tu utiliseras 500 comme valeur de µ.
Cette valeur peut provenir de spécifications techniques, de normes industrielles, de moyennes historiques ou d'objectifs de performance établis. L'important est qu'elle soit une référence fiable.
sigma
: l'écart-type de la population (facultatif)(facultatif)Si tu le connais grâce à des historiques de production étendus ou des spécifications établies, utilise-le pour un test Z rigoureux. Si tu l'omets, Excel calcule l'écart-type de ton échantillon, ce qui constitue techniquement une approximation.
Pour de grands échantillons (n supérieur à 30), cette approximation reste acceptable. En dessous de 30 valeurs avec sigma inconnu, préfère TEST.STUDENT.
Attention : Pour un vrai test Z, tu dois connaître l'écart-type de la population. Si tu ne le connais pas, utilise TEST.STUDENT qui est conçu spécifiquement pour cette situation.
Exemples pratiques pas à pas
Comment tester une moyenne avec un écart-type connu avec la fonction TEST.Z
La ligne tourne depuis des années sur la même cible de 500 g, et l'historique de production a fixé une bonne fois pour toutes sa dispersion à 8 g d'écart-type. Les dix-huit prélèvements du jour tournent autour de la cible sans qu'aucun ne saute aux yeux, mais leur moyenne penche légèrement au-dessus. La fonction TEST.Z tranche entre une vraie dérive de réglage et le bruit ordinaire de la machine.
- 1Sélectionne
matriceavecB2:B19, les dix-huit mesures brutes du jour. La fonction se charge d'en tirer la moyenne et l'effectif, tu n'as aucun calcul intermédiaire à poser à côté. - 2Renseigne
µavec500, la cible à laquelle tu confrontes tes mesures. C'est une norme fixe qui vient de la spécification, jamais une valeur calculée sur l'échantillon lui-même. - 3Termine par
sigmaen tapant8, l'écart-type de la population issu de l'historique de la ligne. C'est ce troisième argument qui fait de ce test un vrai test Z : tu ne l'estimes pas sur les dix-huit mesures du jour, tu le connais d'avance.
=TEST.Z(B2:B19; 500; 8)500,5556), la compare à la cible et ramène l'écart à l'échelle de l'incertitude que 8 g d'écart-type laissent sur une moyenne de dix-huit valeurs. Il en sort 0,3841, très au-dessus des 5 % : un écart d'un demi-gramme sur cette ligne n'a rien d'un signal, il arriverait plus d'une fois sur trois par simple hasard.
Comment omettre l'écart-type de population dans la fonction TEST.Z
Cette série a été pesée sur une ligne neuve, dont aucun historique ne permet encore d'affirmer la dispersion réelle. Tu tiens quand même à tester la moyenne contre la cible de 500 g, donc la question devient : que fait la fonction quand tu ne peux pas lui donner l'écart-type de la population ? Elle accepte de travailler sans, mais le résultat n'a plus tout à fait le même sens.
- 1Passe
matriceavecB2:B11, les dix pesées de la série. - 2Garde
µà500, la cible de la ligne, inchangée. - 3Laisse
sigmade côté et referme la parenthèse après500. La fonction TEST.Z calcule alors l'écart-type de ton échantillon et s'en sert à la place de celui de la population, ce qui reste une approximation : tu mesures ta dispersion sur les dix mêmes valeurs que tu es en train de tester, au lieu de la connaître par ailleurs.
=TEST.Z(B2:B11; 500)sigma, la fonction TEST.Z se rabat sur l'écart-type des dix mesures elles-mêmes, soit 3,3400 au lieu des 8 de l'historique. Comme cette dispersion est bien plus serrée, le même écart de 2,6 g devient beaucoup plus difficile à mettre sur le dos du hasard et la p-value chute de 0,1520 à 0,0069. Un argument omis fait donc basculer la conclusion d'un bord à l'autre du seuil.
Attention : Omettre sigma ne transforme pas TEST.Z en test de Student : la fonction continue de lire l'écart obtenu sur la loi normale, elle remplace seulement l'écart-type de population par celui de l'échantillon. Avec peu de valeurs, cette substitution rend la p-value trop optimiste.
Comment obtenir une p-value bilatérale avec les fonctions TEST.Z et MIN
Ce lot pèse visiblement moins que les 500 g attendus, et un sous-dosage est un défaut au même titre qu'un surdosage : la question n'est plus « produit-on trop ? » mais « s'écarte-t-on de la cible ? ». Or la fonction TEST.Z ne répond que sur une seule queue, celle de droite, ce qui la rend trompeuse quand la moyenne tombe sous la référence. Il faut donc lui faire dire la bonne chose en la refermant dans deux autres fonctions.
- 1Calcule
TEST.Z(B2:B11; 500; 8)comme d'habitude, avec les dix pesées, la cible500et l'écart-type de population8. Cet appel rend0,9985, la probabilité que la moyenne soit au-dessus de la cible. - 2Retranche le même appel à
1pour obtenir l'autre queue,0,0015, celle qui mesure la probabilité d'être en dessous. - 3Encadre les deux avec la fonction MIN : elle retient
0,0015, la queue du côté où l'écart penche réellement, sans que tu aies à regarder le signe toi-même. - 4Multiplie le tout par
2, puisqu'un test bilatéral accorde le même risque de chaque côté de la cible. Le résultat de0,0030passe largement sous le seuil de5 %et déclenche le blocage du lot.
=2*MIN(TEST.Z(B2:B11; 500; 8); 1-TEST.Z(B2:B11; 500; 8))0,9985 sur ces mesures, un chiffre qu'on classe spontanément en « rien à signaler » alors qu'il crie l'inverse : il dit que la moyenne a 99,85 % de chances d'être au-dessus, donc qu'elle est massivement en dessous. La fonction MIN retient la plus petite des deux queues, 0,0015, et le doublement donne 0,0030. Le lot est bel et bien sous la cible.
Les erreurs fréquentes avec la fonction TEST.Z
Avec TEST.Z, le danger n'est pas un message rouge comme #VALEUR! : la formule te renvoie poliment une p-value qui a l'air juste, alors que ton raisonnement est faux. Le faux pas le plus courant, c'est d'omettre sigma : Excel calcule alors l'écart-type de l'échantillon et te sort une approximation que tu prends pour un vrai test Z. Juste derrière vient la confusion entre p-value unilatérale et bilatérale, qui te fait conclure dans le mauvais sens.
Utiliser TEST.Z sans connaître l'écart-type de la population
Si tu omets le paramètre sigma, Excel calcule l'écart-type de ton échantillon au lieu de celui de la population, ce qui n'est pas un vrai test Z mais une approximation. Le résultat peut être trompeur, surtout avec de petits échantillons.
Solution : Utilise TEST.Z uniquement quand tu disposes d'un σ population précisément établi par des historiques étendus. Si σ est inconnu, bascule sur TEST.STUDENT : =TEST.STUDENT(...) est conçu pour cette situation et ne nécessite pas σ.
Confondre p-value unilatérale et bilatérale
TEST.Z retourne une p-value unilatérale (queue droite). Si tu l'utilises pour tester une différence dans les deux sens (supérieur OU inférieur à µ), tu sous-estimes ton seuil de significativité et tu risques de conclure à tort.
Solution : Pour un test bilatéral, multiplie par 2 : =2*MIN(TEST.Z(matrice; µ; sigma); 1-TEST.Z(matrice; µ; sigma)). Utilise TEST.Z direct seulement si tu testes spécifiquement que la moyenne est supérieure à µ.
Mal interpréter une p-value à 0,06
Une p-value de 0,06 ne signifie pas "pas de différence", mais "différence non significative au seuil de 5%". Beaucoup d'utilisateurs en concluent à tort que l'échantillon est conforme.
Solution : Rappelle-toi : une p-value supérieure à 0,05 signifie simplement qu'on n'a pas assez de preuves pour rejeter l'hypothèse nulle, pas que l'hypothèse est prouvée. Plus l'enjeu est critique, plus tu peux abaisser ton seuil à 0,01 ou 0,001.
Utiliser TEST.Z sur un petit échantillon non normal
Le test Z suppose que la distribution d'échantillonnage des moyennes est normale. Pour n inférieur à 30, cette garantie n'est pas automatique. Si tes données sont asymétriques ou contiennent des valeurs aberrantes, le test manque de robustesse.
Solution : Avec moins de 30 valeurs, vérifie que tes données suivent approximativement une distribution normale (histogramme, test de Shapiro-Wilk). Si tu as un doute, préfère TEST.STUDENT qui est plus robuste face aux petits échantillons.
TEST.Z vs TEST.STUDENT vs PREVISION.ETS.STAT
Réserve TEST.Z aux cas où tu connais déjà l'écart-type de la population, typiquement un contrôle qualité avec des historiques de production étendus et plus de 30 mesures. Dès que σ t'échappe ou que ton échantillon est petit, passe à TEST.STUDENT, qui l'estime tout seul et reste fiable. Quant à PREVISION.ETS.STAT, elle joue dans une autre cour : elle ne compare pas une moyenne à une norme, elle juge la qualité d'un modèle de prévision saisonnier.
| Critère | TEST.Z | TEST.STUDENT | PREVISION.ETS.STAT |
|---|---|---|---|
| Ce que tu compares | Échantillon vs valeur de référence connue | Échantillon vs référence, ou deux échantillons | Qualité du modèle de prévision ETS |
| σ population nécessaire | Oui (optionnel mais recommandé) | Non | Non applicable |
| Taille d'échantillon recommandée | n > 30 | Petits et grands échantillons | Dépend de la saisonnalité |
| Cas d'usage typique | Contrôle qualité industriel | Essai clinique A/B, σ inconnu | Validation des prévisions de ventes |
Questions fréquentes
TEST.Z compare un échantillon à une valeur de référence connue et nécessite de connaître l'écart-type de la population. TEST.STUDENT peut comparer deux échantillons entre eux et estime l'écart-type à partir de l'échantillon lui-même. TEST.Z est donc réservé aux situations où tu as un σ population précisément établi (par exemple, des historiques de production étendus). Sinon, TEST.STUDENT est plus adapté et plus robuste.
La p-value représente la probabilité d'observer un écart aussi extrême si la différence était uniquement due au hasard. Plus elle est petite, plus la différence est statistiquement significative.
Guide pratique : p inférieure à 0,001 = différence hautement significative ; p inférieure à 0,05 = significative (seuil standard) ; p entre 0,05 et 0,10 = suggestif mais non concluant ; p supérieure à 0,10 = pas de différence détectée.
Pour des résultats fiables, vise au moins 30 valeurs. C'est le seuil où le théorème central limite garantit que la distribution des moyennes est approximativement normale, ce que suppose le test Z.
Avec moins de 30 valeurs, le test manque de puissance : il peut rater de vraies différences. Vérifie aussi que tes données ne sont pas trop asymétriques, ou préfère TEST.STUDENT.
Si tu ne connais pas l'écart-type de la population, tu as deux options. La première, recommandée : utilise TEST.STUDENT qui estime σ à partir de ton échantillon et ne nécessite pas σ population.
La seconde : utilise TEST.Z sans le paramètre sigma. Excel calculera l'écart-type de l'échantillon. Cette approximation n'est acceptable que pour de grands échantillons (n supérieur à 30).
Oui, la fonction s'appelle Z.TEST sur Google Sheets (avec un point). La syntaxe est identique : Z.TEST(données; µ; sigma). La seule différence possible concerne le séparateur d'arguments (virgule ou point-virgule selon tes paramètres régionaux).
Pour tester si la moyenne de l'échantillon est significativement inférieure à µ, utilise =1-TEST.Z(matrice; µ; sigma). TEST.Z seul donne la probabilité d'observer une moyenne supérieure à µ.
Règle simple : TEST.Z direct = test "supérieur à µ" ; 1-TEST.Z = test "inférieur à µ" ; 2*MIN(TEST.Z; 1-TEST.Z) = test "différent de µ" (bilatéral).
Pour aller plus loin
Continue sur ta lancée après la fonction TEST.Z : la leçon associée, un modèle prêt à l'emploi et le guide pour progresser.
Tout voir
