# Calculateur de Test t Apparie Effectue des tests t apparies a partir de valeurs avant/apres ou de differences appariees deja calculees > Page canonique: https://elysiatools.com/fr/tools/paired-t-test-calculator - **Catégorie:** Math & Numbers - **Mots-clés:** test t apparie, avant apres, differences, valeur p, hypothese ## Présentation Le Calculateur de Test t Apparié permet d'évaluer rapidement si la moyenne des différences entre deux séries d'observations dépendantes est statistiquement significative. Idéal pour les études de type avant/après, cet outil accepte soit vos données brutes (valeurs initiales et finales), soit les différences déjà calculées. Il fournit instantanément la statistique t, la valeur p (p-value) et les degrés de liberté selon vos paramètres d'hypothèse, facilitant ainsi vos analyses statistiques sans nécessiter de logiciel complexe. ## Entrées - **Valeurs avant** (textarea): Enter before values - **Valeurs apres** (textarea): Enter after values - **Differences (optionnel)** (textarea): Optional direct differences, e.g. after - before - **Difference moyenne hypothese** (number) - **Hypothese alternative** (select) - **Alpha** (number) - **Decimales** (number) ## Quand l'utiliser - Pour comparer les résultats d'un même groupe de sujets avant et après une intervention, un traitement ou une formation. - Pour analyser des échantillons dépendants, comme des paires de jumeaux ou des mesures bilatérales (œil gauche / œil droit). - Pour vérifier si la différence moyenne entre deux ensembles de données appariées est significativement différente d'une valeur de référence (généralement zéro). ## Fonctionnement - Saisissez vos données brutes dans les champs 'Valeurs avant' et 'Valeurs après', ou entrez directement les écarts dans le champ 'Différences (optionnel)'. - Définissez la différence moyenne hypothétique (souvent 0) et choisissez le type d'hypothèse alternative (bilatérale, supérieure à, ou inférieure à). - Ajustez le seuil de signification (Alpha, par défaut 0.05) et le nombre de décimales souhaité pour l'affichage. - L'outil calcule automatiquement la statistique t, les degrés de liberté et la valeur p pour confirmer ou rejeter l'hypothèse nulle. ## Cas d'usage - Études cliniques mesurant des indicateurs de santé (comme la tension artérielle ou le poids) chez des patients avant et après l'administration d'un traitement médical. - Évaluation pédagogique comparant les notes d'étudiants à un test de niveau avant et après avoir suivi un module de formation spécifique. - Analyse de performance commerciale évaluant la productivité ou les ventes d'une équipe avant et après la mise en place d'une nouvelle stratégie. ## Questions fréquentes ### Qu'est-ce qu'un test t apparié ? C'est un test statistique utilisé pour comparer les moyennes de deux groupes d'échantillons dépendants ou appariés, souvent pour mesurer un changement chez les mêmes sujets sur deux périodes différentes. ### Puis-je utiliser cet outil si j'ai déjà calculé les différences ? Oui, vous pouvez laisser les champs 'Valeurs avant' et 'Valeurs après' vides et saisir directement vos écarts dans le champ 'Différences (optionnel)'. ### Que signifie l'hypothèse alternative bilatérale ? Une hypothèse bilatérale teste si la moyenne des différences est différente de la valeur hypothétique (généralement zéro), qu'elle soit significativement supérieure ou inférieure. ### Comment interpréter la valeur p (p-value) ? Si la valeur p est inférieure à votre seuil Alpha (par exemple 0,05), vous rejetez l'hypothèse nulle, ce qui indique que la différence observée est statistiquement significative. ### Quel format de données est accepté pour les valeurs ? Saisissez simplement vos nombres séparés par des virgules, des espaces ou des retours à la ligne dans les zones de texte correspondantes. ## Outils associés - [Calculateur de Limite de Fatigue (Goodman/Gerber/Soderberg)](https://elysiatools.com/fr/tools/fatigue-limit-calculator): Coefficient de sécurité en fatigue avec correction de contrainte moyenne. À partir de σ_a, σ_m et σ_uts, σ_-1, σ_y : trois critères classiques — Goodman modifié (linéaire, conservateur), Gerber (parabolique, meilleur pour les ductiles), Soderberg (via σ_y, le plus conservateur). Le minimum est le valeur gouvernante ; indique si le point est à l'intérieur de la ligne de Goodman. - [Calculateur de Demi-vie](https://elysiatools.com/fr/tools/half-life-calculator): Calcul de décroissance exponentielle pour isotopes radioactifs et médicaments : à partir de la demi-vie, de la quantité initiale et du temps, obtenez la quantité restante, ou déduisez la demi-vie, le temps nécessaire ou l accumulation à l état stationnaire. N(t) = N0·e^(-λt). - [Calculateur de Marge dErreur](https://elysiatools.com/fr/tools/margin-of-error-calculator): Calcule la marge derreur dune moyenne ou proportion selon la taille dechantillon, le niveau de confiance et la variabilite - [Calculateur de Test t a Un Echantillon](https://elysiatools.com/fr/tools/one-sample-t-test-calculator): Effectue un test t a un echantillon a partir de donnees brutes ou resumees, avec valeur p et intervalle de confiance - [Calculateur dErreur Standard](https://elysiatools.com/fr/tools/standard-error-calculator): Calcule lerreur standard de la moyenne depuis valeurs ou statistiques resumees - [Calculateur de Test T](https://elysiatools.com/fr/tools/t-test-calculator): Execute des tests t a un ou deux echantillons a partir de donnees brutes et affiche statistique t, degres de liberte et valeur p - [Calculateur de Test t a Deux Echantillons](https://elysiatools.com/fr/tools/two-sample-t-test-calculator): Effectue un test t independant a deux echantillons avec variance groupee depuis donnees brutes ou statistiques resumees - [Calculateur de moyenne ponderee](https://elysiatools.com/fr/tools/weighted-average-calculator): Calcule une moyenne ponderee a partir de valeurs et poids, avec contributions et poids normalises ## Exemples - [Exemples de Traitement d'Images Web Python](https://elysiatools.com/fr/samples/web-image-processing-python): Exemples de traitement d'images Web Python utilisant PIL/Pillow incluant la lecture, l'enregistrement, le redimensionnement et la conversion de format - [Exemples de Traitement d'Images Android Java](https://elysiatools.com/fr/samples/android-image-processing-java): Exemples de traitement d'images Android Java incluant lecture/écriture, mise à l'échelle et conversion de format - [Exemples de Traitement d'Images Android Kotlin](https://elysiatools.com/fr/samples/android-image-processing-kotlin): Exemples de traitement d'images Android Kotlin incluant lecture/écriture, mise à l'échelle et conversion de format - [Exemples de Traitement d'Images Web Rust](https://elysiatools.com/fr/samples/web-image-processing-rust): Exemples de traitement d'images Web Rust incluant lecture/écriture, redimensionnement et conversion de format ## Contenu associé - [Conception d'expériences A/B, taille d'échantillon et puissance statistique](https://elysiatools.com/fr/hubs/ab-testing-experiment-design-and-statistical-power): Planifiez une expérience A/B, dimensionnez les preuves, choisissez le test adapté et examinez l'effet avant de décider.